論文の概要: An application of machine learning to the motion response prediction of floating assets

• arxiv url: http://arxiv.org/abs/2506.15713v1
• Date: Sat, 31 May 2025 08:10:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-29 09:28:14.782495
• Title: An application of machine learning to the motion response prediction of floating assets
• Title（参考訳）: フローティングアセットの動作応答予測への機械学習の適用
• Authors: Michael T. M. B. Morris-Thomas, Marius Martens,
• Abstract要約: 本研究では,400m深部における砲塔係留容器の非線形運動応答を予測するための教師付き機械学習手法を提案する。 そこで我々は,勾配型アンサンブル法と独自の受動的天気予報解法を組み合わせた機械学習ワークフローを開発した。 このモデルでは, 臨界係留パラメータと船舶の進路精度を, メトカンの様々な条件で2.5度以内で平均で5%未満の予測誤差を達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The real-time prediction of floating offshore asset behavior under stochastic metocean conditions remains a significant challenge in offshore engineering. While traditional empirical and frequency-domain methods work well in benign conditions, they struggle with both extreme sea states and nonlinear responses. This study presents a supervised machine learning approach using multivariate regression to predict the nonlinear motion response of a turret-moored vessel in 400 m water depth. We developed a machine learning workflow combining a gradient-boosted ensemble method with a custom passive weathervaning solver, trained on approximately $10^6$ samples spanning 100 features. The model achieved mean prediction errors of less than 5% for critical mooring parameters and vessel heading accuracy to within 2.5 degrees across diverse metocean conditions, significantly outperforming traditional frequency-domain methods. The framework has been successfully deployed on an operational facility, demonstrating its efficacy for real-time vessel monitoring and operational decision-making in offshore environments.
• Abstract（参考訳）: 確率論的メトカン条件下での浮き沈みのリアルタイム予測は、オフショアエンジニアリングにおいて重要な課題である。 従来の経験的および周波数領域法は良質な条件下ではうまく機能するが、極端な海の状態と非線形応答の両方で苦労する。 本研究では,多変量回帰を用いた教師付き機械学習手法を提案する。 我々は,100個の特徴にまたがる約10^6ドルのサンプルをトレーニングした,勾配型アンサンブル法と独自の受動型天気予報解法を組み合わせた機械学習ワークフローを開発した。 このモデルでは, 臨界係留パラメータの平均誤差を5%以下に抑え, 平均精度を2.5度以内とし, 従来の周波数領域法を著しく上回った。 このフレームワークは運用施設での運用に成功しており、オフショア環境でのリアルタイムの船舶監視と運用上の意思決定に有効であることを実証している。

関連論文リスト

• ReconMOST: Multi-Layer Sea Temperature Reconstruction with Observations-Guided Diffusion [48.540756751934836]
  ReconMOSTは多層水温再構築のためのデータ駆動誘導拡散モデルフレームワークである。 提案手法はMLベースのSST再構成をグローバルな多層設定に拡張し,92.5%以上の欠落データを処理する。
  論文  参考訳（メタデータ） (2025-06-12T06:27:22Z)
• FuXi-Ocean: A Global Ocean Forecasting System with Sub-Daily Resolution [10.627782397713856]
  FuXi-Oceanは、渦解像1/12deg空間解像度で6時間の予測を達成した最初のデータ駆動型大洋予報モデルである。 モデルアーキテクチャは、コンテキスト認識機能抽出モジュールと、スタックされた注目ブロックを用いた予測ネットワークを統合する。 FuXi-Oceanは、温度、塩分濃度、電流などの重要な変数を複数の深さにわたって予測する優れた技術を示している。
  論文  参考訳（メタデータ） (2025-06-03T00:52:31Z)
• KunPeng: A Global Ocean Environmental Model [5.565814778529731]
  本研究では,KunPeng大洋環境予測モデルを構築し,気象学的な大規模モデル手法を海洋領域に移行した。 陸域境界における急勾配による発散を効果的に訓練するための地形適応型マスク拘束機構を提案する。
  論文  参考訳（メタデータ） (2025-04-07T06:41:05Z)
• FLP-XR: Future Location Prediction on Extreme Scale Maritime Data in Real-time [0.8937169040399775]
  本稿では,海上移動データを活用するモデルであるFLP-XRを紹介し,高精度な予測を行うロバストなフレームワークを構築する。 3つの実世界のAISデータセットを用いた大規模な実験により,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2025-03-10T13:31:42Z)
• Rapid Flood Inundation Forecast Using Fourier Neural Operator [77.30160833875513]
  洪水浸水予測は洪水前後の緊急計画に重要な情報を提供する。 近年,高分解能な流体力学モデリングが普及しつつあるが,道路の洪水範囲やリアルタイムのビルディングレベルは依然として計算的に要求されている。 洪水範囲と浸水深度予測のためのハイブリッドプロセスベースおよびデータ駆動機械学習(ML)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-07-29T22:49:50Z)
• Data-Driven Short-Term Daily Operational Sea Ice Regional Forecasting [52.77986479871782]
  地球温暖化は北極を海洋活動に利用し、信頼性の高い海氷予測の需要を生み出した。 本研究では,海氷予測のためのU-Netモデルの性能を,今後10日間にわたって検証した。 この深層学習モデルは、気象データの追加と複数の地域での訓練により、単純なベースラインをかなりの差で上回り、その品質を向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-10-17T09:14:35Z)
• Hybrid Physics and Deep Learning Model for Interpretable Vehicle State Prediction [75.1213178617367]
  深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。 ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。 その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
  論文  参考訳（メタデータ） (2021-03-11T15:21:08Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Predicting heave and surge motions of a semi-submersible with neural networks [4.0097067208724955]
  半潜水艇のヒーブ動作とサージ動作を予測するために,LSTM(Long Short-term memory)に基づく機械学習モデルを開発した。 測定波の助けを借りて、予測は46.5秒を将来まで延長し、平均精度は90%近くになった。
  論文  参考訳（メタデータ） (2020-07-31T11:24:46Z)

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。