論文の概要: Alternate Groundwater Modelling Strategies: A Multi-Faceted Data-Driven Approach

• arxiv url: http://arxiv.org/abs/2505.24235v1
• Date: Fri, 30 May 2025 05:51:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 19:47:52.789158
• Title: Alternate Groundwater Modelling Strategies: A Multi-Faceted Data-Driven Approach
• Title（参考訳）: 代替地下水モデル戦略:多面的データ駆動アプローチ
• Authors: Muralidharan K., Agniva Das, Shrey Pandya, Jong Min Kim,
• Abstract要約: 本稿は, 研究者の早期処分における, 実際に行われている統計的方法論の検証に焦点をあてる。 従来の時系列モデルと現代のニューラルネットワークは、このドメインで一般的に利用可能なデータから実行可能な予測を分析および作成するための実行可能な選択肢となり得る。
• 参考スコア（独自算出の注目度）: 2.058594049312714
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The impact of statistical methodologies on studying groundwater has been significant in the last several decades, due to cheaper computational abilities and presence of technologies that enable us to extract and measure more and more data. This paper focuses on the validation of statistical methodologies that are in practice and continue to be at the earliest disposal of the researcher, demonstrating how traditional time-series models and modern neural networks may be a viable option to analyze and make viable forecasts from data commonly available in this domain, and suggesting a copula-based strategy to obtain directional dependencies of groundwater level, spatially. This paper also proposes a sphere of model validation, seldom addressed in this domain: the model longevity or the model shelf-life. Use of such validation techniques not only ensure lower computational cost while maintaining reasonably high accuracy, but also, in some cases, ensure robust predictions or forecasts, and assist in comparing multiple models.
• Abstract（参考訳）: 統計学的手法が地下水の研究に与える影響は、より安価な計算能力と、より多くのデータを抽出し測定できる技術の存在により、ここ数十年で顕著である。 本論文は, 研究者の早期処分における統計的方法論の検証に焦点をあて, 従来の時系列モデルと現代のニューラルネットワークが, この領域で一般的に利用可能なデータから, 実行可能な予測を解析し, 作成する上で有効な選択肢であることを実証し, 地下水面の方向依存性を空間的に得るためのコプラ戦略を提案する。 この領域ではモデル長寿やモデルシェルフライフという,モデル検証の球面も提案する。 このような検証手法を使用することで、計算コストを低く抑えるだけでなく、ある程度高い精度を維持しつつ、頑健な予測や予測を確実にし、複数のモデルを比較するのに役立てることができる。

関連論文リスト

• Data-Driven Surrogate Modeling Techniques to Predict the Effective Contact Area of Rough Surface Contact Problems [39.979007027634196]
  効果的な接触領域は、摩耗、封止、熱伝導や電気伝導といった多物理現象において重要な役割を果たしている。 本研究では,データ駆動手法を高速に評価し,効果的な接触領域を予測するための代理モデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-24T08:15:46Z)
• A step towards the integration of machine learning and small area estimation [0.0]
  本稿では,機械学習アルゴリズムがサポートする予測器を提案する。 仮定モデルからわずかに逸脱しただけで、この場合も提案が良い代替手段であることを示す。 さらに,機械学習予測器の精度推定手法を提案し,従来の手法との比較を行った。
  論文  参考訳（メタデータ） (2024-02-12T09:43:17Z)
• Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
  気象予報に拡散モデル(DM)を適用した新しい手法を提案する。 提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。 我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
  論文  参考訳（メタデータ） (2024-02-06T21:28:42Z)
• On the Out of Distribution Robustness of Foundation Models in Medical Image Segmentation [47.95611203419802]
  視覚と言語の基礎は、様々な自然画像とテキストデータに基づいて事前訓練されており、有望なアプローチとして現れている。 一般化性能を,同じ分布データセット上で微調整した後,事前学習した各種モデルの未確認領域と比較した。 さらに,凍結モデルに対する新しいベイズ不確実性推定法を開発し,分布外データに基づくモデルの性能評価指標として利用した。
  論文  参考訳（メタデータ） (2023-11-18T14:52:10Z)
• Graph Neural Networks for Pressure Estimation in Water Distribution Systems [44.99833362998488]
  水分配ネットワーク(WDN)における圧力と流量の推定により、水管理会社は制御操作を最適化できる。 物理に基づくモデリングとデータ駆動型アプローチであるグラフニューラルネットワーク(GNN)を組み合わせて,圧力推定問題に対処する。 我々のGNNモデルでは、オランダの大規模WDNの圧力は1.94mH$O、MAPEは7%と見積もられている。
  論文  参考訳（メタデータ） (2023-11-17T15:30:12Z)
• The Capacity and Robustness Trade-off: Revisiting the Channel Independent Strategy for Multivariate Time Series Forecasting [50.48888534815361]
  本稿では、Channel Dependent(CD)戦略でトレーニングされたモデルが、Channel Dependent(CD)戦略でトレーニングされたモデルよりも優れていることを示す。 以上の結果から,CD手法は高いキャパシティを持つが,分散ドリフト時系列を正確に予測する堅牢性に欠けることがわかった。 本稿では,CI戦略を超越した正規化(PRReg)による予測残差法(Predict Residuals with Regularization, PRReg)を提案する。
  論文  参考訳（メタデータ） (2023-04-11T13:15:33Z)
• Surrogate uncertainty estimation for your time series forecasting black-box: learn when to trust [2.0393477576774752]
  本研究では不確実性推定手法を紹介する。 妥当な不確実性推定を伴うベース回帰モデルを強化する。 各種時系列予測データを用いて, 代理モデルに基づく手法により, 精度の高い信頼区間が得られることがわかった。
  論文  参考訳（メタデータ） (2023-02-06T14:52:56Z)
• Assessment of Spatio-Temporal Predictors in the Presence of Missing and Heterogeneous Data [23.280400290071732]
  ディープラーニングアプローチは、複雑さとスケールの増大にもかかわらず、現代的なデータのモデリングにおいて、卓越した予測性能を達成する。 予測モデルの品質を評価することは、従来の統計的仮定がもはや持たないため、より困難になる。 本稿では,時間的・時間的予測型ニューラルモデルの最適性を評価するための残差分析フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-03T12:55:08Z)
• Statistical Deep Learning for Spatial and Spatio-Temporal Data [0.0]
  本稿では,空間的・時間的データをモデル化するための統計的・機械学習的な視点について概観する。 次に、最近、潜在プロセス、データ、パラメータ仕様のために開発された様々なハイブリッドモデルに焦点を当てます。 これらのハイブリッドモデルは、モデリングパラダイムの強みを活用するために、モデリングアイデアとディープニューラルネットワークモデルを統合する。
  論文  参考訳（メタデータ） (2022-06-05T16:49:10Z)
• Probabilistic AutoRegressive Neural Networks for Accurate Long-range Forecasting [6.295157260756792]
  確率的自己回帰ニューラルネットワーク(PARNN)について紹介する。 PARNNは、非定常性、非線形性、非調和性、長距離依存、カオスパターンを示す複雑な時系列データを扱うことができる。 本研究では,Transformers,NBeats,DeepARなどの標準統計モデル,機械学習モデル,ディープラーニングモデルに対して,PARNNの性能を評価する。
  論文  参考訳（メタデータ） (2022-04-01T17:57:36Z)
• TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
  時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。 本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。 本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
  論文  参考訳（メタデータ） (2022-02-07T21:37:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。