論文の概要: Transfer Learning for Assessing Heavy Metal Pollution in Seaports Sediments

• arxiv url: http://arxiv.org/abs/2506.22096v1
• Date: Fri, 27 Jun 2025 10:26:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:23.17233
• Title: Transfer Learning for Assessing Heavy Metal Pollution in Seaports Sediments
• Title（参考訳）: 港湾堆積物の重金属汚染評価のための移動学習
• Authors: Tin Lai, Farnaz Farid, Yueyang Kuan, Xintian Zhang,
• Abstract要約: 本稿では,重金属評価プロセスの簡易化を目的としたディープラーニングモデルを提案する。 本モデルでは,水処理領域におけるデータ不足の問題に対処する。 オーストラリアのニューサウスウェールズ州にある6つの主要港のデータを用いて,本モデルの評価を行った。
• 参考スコア（独自算出の注目度）: 1.8749305679160366
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting heavy metal pollution in soils and seaports is vital for regional environmental monitoring. The Pollution Load Index (PLI), an international standard, is commonly used to assess heavy metal containment. However, the conventional PLI assessment involves laborious procedures and data analysis of sediment samples. To address this challenge, we propose a deep-learning-based model that simplifies the heavy metal assessment process. Our model tackles the issue of data scarcity in the water-sediment domain, which is traditionally plagued by challenges in data collection and varying standards across nations. By leveraging transfer learning, we develop an accurate quantitative assessment method for predicting PLI. Our approach allows the transfer of learned features across domains with different sets of features. We evaluate our model using data from six major ports in New South Wales, Australia: Port Yamba, Port Newcastle, Port Jackson, Port Botany, Port Kembla, and Port Eden. The results demonstrate significantly lower Mean Absolute Error (MAE) and Mean Absolute Percentage Error (MAPE) of approximately 0.5 and 0.03, respectively, compared to other models. Our model performance is up to 2 orders of magnitude than other baseline models. Our proposed model offers an innovative, accessible, and cost-effective approach to predicting water quality, benefiting marine life conservation, aquaculture, and industrial pollution monitoring.
• Abstract（参考訳）: 土壌や海港における重金属汚染の検出は地域環境モニタリングに不可欠である。 国際標準である汚染負荷指数(PLI)は、重金属の含有量を評価するために一般的に用いられる。 しかし,従来のPLI評価では,堆積物試料の厳密な手順とデータ解析が関係している。 この課題に対処するため,重金属評価プロセスの簡易化を目的としたディープラーニングモデルを提案する。 我々のモデルは、伝統的にデータ収集の課題や国ごとの様々な標準に悩まされている水処理領域におけるデータ不足の問題に対処する。 転送学習を活用することで,PLIを予測するための正確な定量的評価手法を開発した。 私たちのアプローチは、異なる機能セットを持つドメイン間で学習した機能の転送を可能にします。 我々はニューサウスウェールズ州ニューサウスウェールズ州にあるポート・ヤンバ、ポート・ニューカッスル、ポート・ジャクソン、ポート・ボタニー、ポート・ケムブラ、ポート・エデンの6つの主要港から得られたデータを用いてモデルを評価する。 その結果, 平均絶対誤差 (MAE) と平均絶対誤差 (MAPE) は, 他のモデルと比較してそれぞれ0.5および0.03と有意に低いことがわかった。 我々のモデルの性能は他のベースラインモデルよりも最大2桁高い。 提案モデルでは, 水質予測, 海洋環境保全, 養殖, 産業汚染監視に有効な, 革新的でアクセシブルで費用対効果の高い手法を提案する。

関連論文リスト

• Estimating properties of a homogeneous bounded soil using machine learning models [0.0]
  本研究は, 水分測定から土壌特性を推定することに焦点を当てた。 本研究では, 垂直浸透を規定する初期境界値問題を, 均質で有界な土壌プロファイルで解くことによって生成したシミュレーションデータについて考察する。 2出力回帰タスクとして定式化されるパラメータ識別問題に対処するため,様々な機械学習モデルについて検討する。
  論文  参考訳（メタデータ） (2025-06-02T07:25:03Z)
• Evaluating Deep Learning Approaches for Predictions in Unmonitored Basins with Continental-scale Stream Temperature Models [1.8067095934521364]
  最近の機械学習(ML)モデルは、大規模な空間スケールでの正確な予測に膨大なデータセットを利用することができる。 本研究では,モデル設計とインプットに必要なデータ,および性能向上のためのトレーニングについて考察する。
  論文  参考訳（メタデータ） (2024-10-23T15:36:59Z)
• LiveXiv -- A Multi-Modal Live Benchmark Based on Arxiv Papers Content [62.816876067499415]
  我々は、科学的ArXiv論文に基づくスケーラブルな進化型ライブベンチマークであるLiveXivを提案する。 LiveXivは、任意のタイムスタンプでドメイン固有の原稿にアクセスし、視覚的な問合せペアを自動的に生成することを提案する。 ベンチマークの最初のバージョンで、複数のオープンでプロプライエタリなLMM(Large Multi-modal Models)をベンチマークし、その挑戦的な性質を示し、モデルの真の能力を明らかにする。
  論文  参考訳（メタデータ） (2024-10-14T17:51:23Z)
• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• LMMs-Eval: Reality Check on the Evaluation of Large Multimodal Models [71.8065384742686]
  LMMS-EVALは50以上のタスクと10以上のモデルを持つ統一的で標準化されたマルチモーダルベンチマークフレームワークである。 LMMS-EVAL LITEは、カバー範囲と効率の両方を重視したプルーニング評価ツールキットである。 マルチモーダルなLIVEBENCHは、ニュースやオンラインフォーラムを継続的に更新し、野生におけるモデルの一般化能力を評価する。
  論文  参考訳（メタデータ） (2024-07-17T17:51:53Z)
• Domain adaption and physical constrains transfer learning for shale gas production [0.26440512250125126]
  本稿では,ドメイン適応と物理制約を利用した新しい移動学習手法を提案する。 この手法は、データ分散の観点からの負の転送を減らすために、ソースドメインからの履歴データを効果的に活用する。 掘削, 完成, 地質データを物理的制約として組み込むことで, ハイブリッドモデルを構築する。
  論文  参考訳（メタデータ） (2023-12-18T04:13:27Z)
• PLATON: Pruning Large Transformer Models with Upper Confidence Bound of Weight Importance [114.1541203743303]
  本稿では,重要度推定の上位信頼度境界(UCB)による重要度スコアの不確かさを捉えるPLATONを提案する。 我々は、自然言語理解、質問応答、画像分類に関するトランスフォーマーモデルを用いて、広範囲にわたる実験を行った。
  論文  参考訳（メタデータ） (2022-06-25T05:38:39Z)
• Water and Sediment Analyse Using Predictive Models [2.3226893628361682]
  水質評価には、遠隔地における水と堆積物の連続的なモニタリングが必要である。 機械学習を用いて予測モデルを定式化する自動フレームワークを提案する。 本モデルでは,データ不足の57%を考慮し,75%の精度でアーカイブした。
  論文  参考訳（メタデータ） (2022-03-04T02:28:01Z)
• Improving Maritime Traffic Emission Estimations on Missing Data with CRBMs [1.6311150636417262]
  海上交通の排出は、沿岸都市の大気汚染に大きく影響するため、政府にとって大きな関心事である。 バルセロナ・スーパーコンピュータ・センターのCALIOPEのような最先端の複合システムは、空気品質のモデル化に使われている。 本研究では,条件付き制限付きボルツマンマシン(CRBM)と機械学習手法を用いた船舶データ処理手法を提案する。
  論文  参考訳（メタデータ） (2020-09-07T10:32:43Z)

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。