論文の概要: Corrosion Risk Estimation for Heritage Preservation: An Internet of Things and Machine Learning Approach Using Temperature and Humidity

• arxiv url: http://arxiv.org/abs/2510.02973v1
• Date: Fri, 03 Oct 2025 13:07:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.390141
• Title: Corrosion Risk Estimation for Heritage Preservation: An Internet of Things and Machine Learning Approach Using Temperature and Humidity
• Title（参考訳）: 遺産保存のための腐食リスク推定--温度と湿度を用いたモノのインターネットと機械学習アプローチ
• Authors: Reginald Juan M. Mercado, Muhammad Kabeer, Haider Al-Obaidy, Rosdiadee Nordin,
• Abstract要約: 本研究は,ロラ無線通信と接続したモノのインターネット・ハードウェア・システムを構築した。 温度と相対湿度データのみを用いて大気腐食率を予測する機械学習フレームワークを構築した。 この最小限のデータアプローチは、限られた監視リソースを持つ遺産サイトにとってスケーラブルで費用対効果がある。
• 参考スコア（独自算出の注目度）: 1.2599533416395763
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Proactive preservation of steel structures at culturally significant heritage sites like the San Sebastian Basilica in the Philippines requires accurate corrosion forecasting. This study developed an Internet of Things hardware system connected with LoRa wireless communications to monitor heritage buildings with steel structures. From a three year dataset generated by the IoT system, we built a machine learning framework for predicting atmospheric corrosion rates using only temperature and relative humidity data. Deployed via a Streamlit dashboard with ngrok tunneling for public access, the framework provides real-time corrosion monitoring and actionable preservation recommendations. This minimal-data approach is scalable and cost effective for heritage sites with limited monitoring resources, showing that advanced regression can extract accurate corrosion predictions from basic meteorological data enabling proactive preservation of culturally significant structures worldwide without requiring extensive sensor networks
• Abstract（参考訳）: フィリピンのサン・セバスティアン・バシリカのような文化的に重要な遺産における鋼構造物の保存には、正確な腐食予測が必要である。 本研究は,ロラ無線通信と接続したモノのインターネット・ハードウェア・システムを構築した。 IoTシステムによって生成された3年間のデータセットから、温度と相対湿度のデータのみを用いて大気の腐食率を予測する機械学習フレームワークを構築した。 パブリックアクセスのためのngrokトンネリングを備えたStreamlitダッシュボード経由でデプロイされるこのフレームワークは、リアルタイムの腐食監視と実行可能な保存推奨を提供する。 この最小データアプローチは、限られた監視資源を持つ遺産にとってスケーラブルで費用対効果があり、高度な回帰は、広範囲なセンサネットワークを必要とせず、世界中の文化的に重要な構造物を積極的に保存できる基本気象データから正確な腐食予測を抽出できることを示す。

関連論文リスト

• A Modular, Low-Cost IoT System for Environmental and Behavioural Monitoring in Cultural Heritage Sites [0.0]
  本研究では,遺産のリアルタイムな環境・行動モニタリングを目的とした,モジュール型で低コストなモノのインターネット(IoT)システムを提案する。 ESP32sやRaspberry Piのような既製のコンポーネントで構築されたこのシステムは、無線センサネットワーク、エッジコンピューティング、クラウドサービス(Microsoft Azure)を統合して、温度、湿度、音、ビジター近接などの変数を測定する。
  論文  参考訳（メタデータ） (2025-07-11T08:31:43Z)
• Interpretable Dual-Stream Learning for Local Wind Hazard Prediction in Vulnerable Communities [1.9299285312415735]
  竜巻や直線風などの風害は、アメリカ合衆国グレートプレーンズの脆弱な地域社会にしばしば影響を及ぼす。 既存の予測システムは、主に気象要素に焦点を当てており、しばしばコミュニティ固有の脆弱性を捉えない。 本稿では、構造化された数値気象データと構造化されていないテクスチャイベントの物語を統合する2重ストリーム学習フレームワークを提案する。 我々のアーキテクチャは、ランダムフォレストとRoBERTaベースのトランスフォーマーを後期核融合機構で組み合わせ、強靭で文脈に合った風害予測を可能にする。
  論文  参考訳（メタデータ） (2025-05-20T15:46:02Z)
• Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
  我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。 次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。 気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
  論文  参考訳（メタデータ） (2024-08-08T06:47:21Z)
• DeepExtremeCubes: Integrating Earth system spatio-temporal data for impact assessment of climate extremes [5.736700805381591]
  機械学習技術は、将来性を示すが、十分に構造化され、高品質で、キュレートされた分析可能なデータセットを必要とする。 ここでは、熱波の周囲をマッピングし、干ばつによる極端な衝撃に対処するDeepExtremesデータベースを紹介します。 全世界で4万個以上の空間サンプリングされた小さなデータキューブ(すなわちミニキューブ)を含み、空間カバレッジは2.5×2.5kmである。
  論文  参考訳（メタデータ） (2024-06-26T08:53:26Z)
• A Unified Replay-based Continuous Learning Framework for Spatio-Temporal Prediction on Streaming Data [26.570986572374085]
  本稿では,ストリーミングデータの予測を可能にするために,リプレイベースの継続的学習フレームワークを提案する。 このフレームワークは、過去の知識を保存するために時間混合機構を使用してデータと融合した、以前に学習されたサンプルの再生バッファを含む。
  論文  参考訳（メタデータ） (2024-04-23T13:02:11Z)
• Evaluating Short-Term Forecasting of Multiple Time Series in IoT Environments [67.24598072875744]
  IoT(Internet of Things)環境は、多数のIoT対応センシングデバイスを介して監視される。 この問題を緩和するため、センサーは比較的低いサンプリング周波数で動作するように設定されることが多い。 これは、予測などの後続の意思決定を劇的に妨げる可能性がある。
  論文  参考訳（メタデータ） (2022-06-15T19:46:59Z)
• Unsupervised Restoration of Weather-affected Images using Deep Gaussian Process-based CycleGAN [92.15895515035795]
  本稿では,CycleGANに基づくディープネットワークの監視手法について述べる。 我々は,より効果的なトレーニングにつながるCycleGANのトレーニングに新たな損失を導入し,高品質な再構築を実現した。 提案手法は, 脱落, 脱落, 脱落といった様々な修復作業に効果的に適用できることを実証する。
  論文  参考訳（メタデータ） (2022-04-23T01:30:47Z)
• Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms [53.38353133198842]
  空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。 本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。 地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
  論文  参考訳（メタデータ） (2020-07-23T13:32:47Z)
• Predictive Maintenance for Edge-Based Sensor Networks: A Deep Reinforcement Learning Approach [68.40429597811071]
  未計画の設備停止のリスクは、収益発生資産の予測保守によって最小化することができる。 機器に基づくセンサネットワークのコンテキストから予測機器のメンテナンスを行うために,モデルフリーのDeep Reinforcement Learningアルゴリズムを提案する。 従来のブラックボックス回帰モデルとは異なり、提案アルゴリズムは最適なメンテナンスポリシーを自己学習し、各機器に対して実行可能なレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2020-07-07T10:00:32Z)
• Predictive Analytics for Water Asset Management: Machine Learning and Survival Analysis [55.41644538483948]
  本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。 スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。 その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
  論文  参考訳（メタデータ） (2020-07-02T19:08:36Z)
• Data-Driven Method for Enhanced Corrosion Assessment of Reinforced Concrete Structures [0.0]
  鉄筋コンクリート構造物の耐食性に影響を及ぼす主な問題である。 本論文の総合的な目的は, 腐食抑制因子の評価信頼性を高める枠組みを提供することである。 このフレームワークは、データ駆動炭酸化深度、塩化物プロファイルおよび温熱性能予測モデルの開発を通じて実現されている。
  論文  参考訳（メタデータ） (2020-07-01T16:02:21Z)

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。