論文の概要: Fire-EnSF: Wildfire Spread Data Assimilation using Ensemble Score Filter

• arxiv url: http://arxiv.org/abs/2510.15954v1
• Date: Fri, 10 Oct 2025 19:16:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-26 16:57:26.475549
• Title: Fire-EnSF: Wildfire Spread Data Assimilation using Ensemble Score Filter
• Title（参考訳）: Fire-EnSF: アンサンブルスコアフィルタを用いたワイルドファイアスプレッドデータ同化
• Authors: Hongzheng Shi, Yuhang Wang, Xiao Liu,
• Abstract要約: 野火管理には正確なリアルタイムの延焼予測が必要である。 データ同化は、数値モデルから生成された観測(リモートセンシングデータなど)と火災予測を統合することで重要な役割を果たす。 本稿では,最近提案された拡散モデルに基づくフィルタアルゴリズム - Ensemble Score Filter (EnSF) の適用について検討する。
• 参考スコア（独自算出の注目度）: 17.995973492104532
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As wildfires become increasingly destructive and expensive to control, effective management of active wildfires requires accurate, real-time fire spread predictions. To enhance the forecasting accuracy of active fires, data assimilation plays a vital role by integrating observations (such as remote-sensing data) and fire predictions generated from numerical models. This paper provides a comprehensive investigation on the application of a recently proposed diffusion-model-based filtering algorithm -- the Ensemble Score Filter (EnSF) -- to the data assimilation problem for real-time active wildfire spread predictions. Leveraging a score-based generative diffusion model, EnSF has been shown to have superior accuracy for high-dimensional nonlinear filtering problems, making it an ideal candidate for the filtering problems of wildfire spread models. Technical details are provided, and our numerical investigations demonstrate that EnSF provides superior accuracy, stability, and computational efficiency, establishing it as a robust and practical method for wildfire data assimilation. Our code has been made publicly available.
• Abstract（参考訳）: 森林火災がますます破壊的になり、管理にコストがかかるようになると、アクティブな山火事の効果的な管理には正確なリアルタイムの延焼予測が必要である。 アクティブファイアの予測精度を高めるために、数値モデルから発生する観測(リモートセンシングデータなど)と火災予報を統合することにより、データ同化が重要な役割を果たす。 本稿では,近年提案されている拡散モデルに基づくフィルタアルゴリズム,Ensemble Score Filter (EnSF) のリアルタイム能動山火事拡散予測におけるデータ同化問題への適用について,包括的に検討する。 スコアベース生成拡散モデルを用いて、EnSFは高次元非線形フィルタリング問題に対して優れた精度を有することが示され、山火事拡散モデルのフィルタリング問題に対する理想的な候補となっている。 本研究は,EnSFが精度,安定性,計算効率を向上し,山火事データ同化の堅牢かつ実用的な方法として確立していることを示すものである。 私たちのコードは公開されています。

関連論文リスト

• DataSentinel: A Game-Theoretic Detection of Prompt Injection Attacks [87.66245688589977]
  LLM統合されたアプリケーションとエージェントは、インジェクション攻撃に弱い。 検出方法は、入力が注入プロンプトによって汚染されているかどうかを判定することを目的とする。 本研究では,迅速なインジェクション攻撃を検出するゲーム理論手法であるDataSentinelを提案する。
  論文  参考訳（メタデータ） (2025-04-15T16:26:21Z)
• Adversarial Robustness for Deep Learning-based Wildfire Prediction Models [3.4528046839403905]
  本稿では,山火事検出モデルのロバスト性を評価するための最初のモデル非依存フレームワークであるWARP(Wildfire Adversarial Robustness procedure)を紹介する。 WARPは、画像グロバルと局所摂動を通じて敵対的な例を生成することによって、データ多様性の固有の制限に対処する。 WARPを使用して、リアルタイムCNNとTransformerを評価し、主要な脆弱性を明らかにしました。
  論文  参考訳（メタデータ） (2024-12-28T04:06:29Z)
• Prescribed Fire Modeling using Knowledge-Guided Machine Learning for Land Management [2.158876211806538]
  本稿では,所定の火災を迅速にエミュレーションできる機械学習(ML)フレームワークを提案する。 ドメイン知識を取り入れることで,データ共有シナリオにおける燃料密度推定の物理的不整合を低減することができる。 また,階層構造を組み込んだ火災拡散指標の偏り推定の問題も克服した。
  論文  参考訳（メタデータ） (2023-10-02T19:38:04Z)
• Generative Algorithms for Fusion of Physics-Based Wildfire Spread Models with Satellite Data for Initializing Wildfire Forecasts [0.0]
  衛星による火災検出の最近の進歩は、火災拡散予測を改善するために測定を使用する機会を与えている。 本研究は,衛星観測から山火事の歴史を推定する手法を開発した。
  論文  参考訳（メタデータ） (2023-09-05T23:24:34Z)
• Back to the Source: Diffusion-Driven Test-Time Adaptation [77.4229736436935]
  テスト時間適応はテスト入力を利用し、シフトしたターゲットデータ上でテストした場合、ソースデータに基づいてトレーニングされたモデルの精度を向上させる。 代わりに、生成拡散モデルを用いて、すべてのテスト入力をソース領域に向けて投影することで、ターゲットデータを更新する。
  論文  参考訳（メタデータ） (2022-07-07T17:14:10Z)
• Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
  実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。 本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。 本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
  論文  参考訳（メタデータ） (2022-01-11T23:01:12Z)
• Uncertainty Aware Wildfire Management [6.997483623023005]
  アメリカ合衆国では近年の山火事で生命が失われ、数十億ドルが失われた。 大規模に展開するリソースは限られており、火災の広がりを予測することは困難である。 本稿では,山火事対策のための意思決定論的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-15T17:47:31Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。