論文の概要: Incorporating Quality of Life in Climate Adaptation Planning via Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2511.03238v1
• Date: Wed, 05 Nov 2025 07:00:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-06 18:19:32.363876
• Title: Incorporating Quality of Life in Climate Adaptation Planning via Reinforcement Learning
• Title（参考訳）: 強化学習による気候適応計画における生活の質の取り込み
• Authors: Miguel Costa, Arthur Vandervoort, Martin Drews, Karyn Morrissey, Francisco C. Pereira,
• Abstract要約: 強化学習(Reinforcement Learning, RL)は、複雑で動的で不確実な問題に対処する上で、大きな可能性を秘めている。 我々はRLを用いて、長期にわたってどの気候適応経路が生活の質を高めるかを特定する。 予備的な結果は,本手法が最適適応の学習に有効であることが示唆され,他の現実的かつ現実的な計画戦略よりも優れていた。
• 参考スコア（独自算出の注目度）: 2.1499528348377535
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Urban flooding is expected to increase in frequency and severity as a consequence of climate change, causing wide-ranging impacts that include a decrease in urban Quality of Life (QoL). Meanwhile, policymakers must devise adaptation strategies that can cope with the uncertain nature of climate change and the complex and dynamic nature of urban flooding. Reinforcement Learning (RL) holds significant promise in tackling such complex, dynamic, and uncertain problems. Because of this, we use RL to identify which climate adaptation pathways lead to a higher QoL in the long term. We do this using an Integrated Assessment Model (IAM) which combines a rainfall projection model, a flood model, a transport accessibility model, and a quality of life index. Our preliminary results suggest that this approach can be used to learn optimal adaptation measures and it outperforms other realistic and real-world planning strategies. Our framework is publicly available: https://github.com/MLSM-at-DTU/maat_qol_framework.
• Abstract（参考訳）: 都市洪水は気候変動の結果として頻度と深刻度が増加し、都市生活品質(QoL)の低下を含む広範囲な影響が生じると予想されている。 一方、政策立案者は、気候変動の不確実性や都市洪水の複雑で動的な性質に対処できる適応戦略を考案しなければならない。 強化学習(Reinforcement Learning, RL)は、複雑な、動的、不確実な問題に対処する上で、大きな可能性を秘めている。 このため、RLを用いて気候適応経路を長期にわたって高いQoLに導くかを特定する。 我々は,降雨予測モデル,洪水モデル,交通アクセシビリティモデル,生活の質指標を組み合わせた統合アセスメントモデル(IAM)を用いてこれを行う。 予備的な結果は,本手法が最適適応の学習に有効であることが示唆され,他の現実的かつ現実的な計画戦略よりも優れていた。 私たちのフレームワークは、https://github.com/MLSM-at-DTU/maat_qol_framework.comで公開されています。

関連論文リスト

• Climate Adaptation with Reinforcement Learning: Economic vs. Quality of Life Adaptation Pathways [2.1499528348377535]
  強化学習は、不確実な条件下で適応経路を特定するのに有用なツールである。 我々は,統合的アセスメントモデル (IAM) を用いて, 降水モデルと洪水モデルを結合し, 生活の質(QoL) , 交通, インフラの被害などの観点から, 洪水の影響を計算する。 以上の結果から,QoLが経済的影響よりも優先されるモデルでは,適応支出が増加し,研究領域にまたがる支出の分布がさらに大きくなることが示唆された。
  論文  参考訳（メタデータ） (2025-11-05T07:09:39Z)
• Climate Adaptation-Aware Flood Prediction for Coastal Cities Using Deep Learning [1.8354875841169143]
  気候変動と海面上昇は沿岸都市への脅威をエスカレートさせる。 従来の物理に基づく流体力学シミュレータは計算コストが高く、都市規模で沿岸計画を行うには実用的ではない。 我々は,沿岸の洪水予測を目的とした,新しい軽量畳み込みニューラルネットワーク(CNN)モデルを開発した。
  論文  参考訳（メタデータ） (2025-10-29T23:23:11Z)
• Using Reinforcement Learning to Integrate Subjective Wellbeing into Climate Adaptation Decision Making [3.3024854970378317]
  我々はコペンハーゲンにおける気候適応のための意思決定支援ツールとして強化学習を利用する多モジュールフレームワークを提案する。 本フレームワークは,長期降雨予測,洪水モデリング,交通アクセシビリティ,健全なモデリングの4つの相互接続コンポーネントを統合している。
  論文  参考訳（メタデータ） (2025-04-14T09:34:12Z)
• Climate Adaptation with Reinforcement Learning: Experiments with Flooding and Transportation in Copenhagen [3.4447242282168777]
  洪水は交通インフラを損傷させ、モビリティを阻害し、都市がリスクの増大に適応する必要性を浮き彫りにする。 本研究では,Reinforcement Learning(RL)を用いて,最も効果的なタイミングと実施場所を特定する。 当社の枠組みは,将来の降雨や洪水の気候変動予測を統合し,都市全体の自動車化旅行をモデル化し,インフラと移動性に対する直接的および間接的な影響を定量化する。
  論文  参考訳（メタデータ） (2024-09-27T09:18:57Z)
• Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
  地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。 我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。 本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
  論文  参考訳（メタデータ） (2024-09-11T19:31:56Z)
• Climate-sensitive Urban Planning through Optimization of Tree Placements [55.11389516857789]
  気候変動は、熱波を含む多くの極端な気象事象の強度と頻度を増している。 最も有望な戦略の1つは、街路樹の恩恵を利用して歩行者レベルの環境を冷やすことである。 物理シミュレーションでは、樹木の放射的および熱的影響が人間の熱的快適性に与える影響を推定できるが、高い計算コストが生じる。 我々は,屋外の熱的快適さの駆動因子である点平均放射温度を,様々な時間スケールでシミュレーションするためにニューラルネットワークを用いた。
  論文  参考訳（メタデータ） (2023-10-09T13:07:23Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• ClimateGAN: Raising Climate Change Awareness by Generating Images of Floods [89.61670857155173]
  実画像上でのリアルな洪水をシミュレートする手法を提案する。 本研究では、教師なし領域適応と条件付き画像生成のためのシミュレーションデータと実データの両方を活用するモデルであるClimateGANを提案する。
  論文  参考訳（メタデータ） (2021-10-06T15:54:57Z)
• Cautious Adaptation For Reinforcement Learning in Safety-Critical Settings [129.80279257258098]
  都市運転のような現実の安全クリティカルな目標設定における強化学習(RL)は危険である。 非安全クリティカルな「ソース」環境でエージェントが最初に訓練する「安全クリティカル適応」タスクセットを提案する。 多様な環境における事前経験がリスクを見積もるためにエージェントに装備するという直感に基づくソリューションアプローチであるCARLを提案する。
  論文  参考訳（メタデータ） (2020-08-15T01:40:59Z)
• Data-driven control of micro-climate in buildings: an event-triggered reinforcement learning approach [56.22460188003505]
  半マルコフ決定過程に基づく微小気候制御問題を定式化する。 建物内の微小気候のイベントトリガー制御のための2つの学習アルゴリズムを提案する。 スマートなサーモスタットを設計することで,提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2020-01-28T18:20:43Z)

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。