論文の概要: A Gradient Boosted Mixed-Model Machine Learning Framework for Vessel Speed in the U.S. Arctic

• arxiv url: http://arxiv.org/abs/2602.12292v1
• Date: Sat, 31 Jan 2026 14:53:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 12:01:13.531213
• Title: A Gradient Boosted Mixed-Model Machine Learning Framework for Vessel Speed in the U.S. Arctic
• Title（参考訳）: 米国北極圏における船体速度向上のためのグラディエント強化混合モデル機械学習フレームワーク
• Authors: Mauli Pant, Linda Fernandez, Indranil Sahoo,
• Abstract要約: 我々は2010-2019年における自動識別システム(AIS)データを解析し,地上における船体速度(SOG)について検討した。 我々は2段階の機械学習フレームワークを適用し、まず0以上のSOGの確率をモデル化し、次に正のSOG条件をモデル化した。 結果: 船舶群, 船舶群, 航行状態の変化が二次変動を導入したのに対し, 沿岸域と潜水深度との距離は, 船舶速度の確率と大きさの双方において支配的要因であった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding how environmental and operational conditions influence vessel speed is crucial for characterizing navigational conditions in the Arctic. We analyzed Automatic Identification System (AIS) data from 2010-2019 to examine vessel speed over ground (SOG). Over half of the AIS records showed zero SOG, and treating zero and positive SOG as a single continuous process can obscure important patterns. We therefore applied a two-stage machine learning framework, first modeling the probability of SOG greater than zero and then modeling SOG conditional on being positive. AIS observations were integrated with sea ice concentration, course over ground, wind, bathymetric depth, distance to coast, vessel group, and navigational status. Gradient boosted decision trees with random effects captured nonlinear environmental responses while accounting for repeated observations. The positive SOG classifier achieved strong discrimination (AUC = 0.85), while the conditional speed model explained approximately 77 percent of out-of-fold variance. SHAP values quantified covariate effects by decomposing model predictions into additive contributions from individual variables. Distance to coast and bathymetric depth were dominant determinants of both the likelihood and magnitude of vessel speed, while changes in course, vessel group, and navigational status introduced secondary variation. Wind and sea ice effects were modest. Together, these results empirically characterize Arctic vessel operating regimes relevant to speed management and corridor-level assessment.
• Abstract（参考訳）: 環境条件と運用条件が船舶の速度にどのように影響するかを理解することは、北極圏の航行条件を特徴づけるのに不可欠である。 我々は2010-2019年に行われた自動識別システム(AIS)データを解析し,地上における船体速度(SOG)について検討した。 AISレコードの半数以上はSOGがゼロであり、0および正のSOGを1つの連続過程として扱うことは重要なパターンを曖昧にする可能性がある。 そこで我々は2段階の機械学習フレームワークを適用し、まず0以上のSOG確率をモデル化し、次に正のSOG条件をモデル化した。 AIS観測は, 海氷濃度, 地上コース, 風速, 水深, 海岸距離, 船舶群, 航行状況と統合された。 漸進的に決定木を増進し、ランダムな効果を捉えた非線形環境応答を再現し、繰り返し観測を行った。 正のSOG分類器は強い差別(AUC = 0.85)を達成し、条件付き速度モデルは外乱の約77%を説明できた。 SHAP値は、モデル予測を個々の変数からの付加的な寄与に分解することで、共変量効果を定量化する。 沿岸域と潜水深度への距離は船速の確率と大きさの両方で支配的な決定要因となり, 船群, 航行状態は二次変動をもたらした。 風と海氷の影響は緩やかだった。 これらの結果は、速度管理と回廊レベルの評価に関連する北極船の運用体制を実証的に特徴づけるものである。

関連論文リスト

• IceBench-S2S: A Benchmark of Deep Learning for Challenging Subseasonal-to-Seasonal Daily Arctic Sea Ice Forecasting in Deep Latent Space [39.539136137431335]
  人工知能の最近の進歩は、データ駆動型パン・アーキティック海氷予測システムの開発を促進する。 我々は,180日間連続して北極海氷濃度を予測することの難しさを緩和するために,DLアプローチを評価するための最初の総合的なベンチマークであるIceBench-S2Sを紹介する。 IceBench-S2Sは、異なるバックボーンのための統一的なトレーニングと評価パイプラインを提供し、極地環境監視タスクにおけるモデル選択の実践的なガイダンスを提供する。
  論文  参考訳（メタデータ） (2026-01-31T01:40:16Z)
• Time-Varying Causal Treatment for Quantifying the Causal Effect of Short-Term Variations on Arctic Sea Ice Dynamics [0.16206783799607727]
  氷融解と淡水分布の因果関係の定量化が重要である。 本研究では,海氷厚とSSHの因果メカニズムを定量化するために,知識誘導変分オートエンコーダ(KGCM-VAE)を提案する。 KGCM-VAEが最先端のベンチマークよりPEHEより優れていることを示す。
  論文  参考訳（メタデータ） (2026-01-25T01:44:55Z)
• OceanSAR-2: A Universal Feature Extractor for SAR Ocean Observation [55.978228064498865]
  SARに基づく海洋観測のための第2世代の基盤モデルであるOceanSAR-2を紹介する。 先にリリースしたSentinel-1 Wave Modeデータによる自己教師型学習の先駆者であるOceanSAR-2は、SSLトレーニングの改善と動的データキュレーション戦略に依存しています。
  論文  参考訳（メタデータ） (2026-01-12T10:20:43Z)
• A Rapid GeoSAM-Based Workflow for Multi-Temporal Glacier Delineation: Case Study from Svalbard [51.56484100374058]
  我々は,Sentinel-2画像からの氷河の高速デライン化のためのGeoSAMに基づく半自動ワークフローを提案する。 その結果, 本手法は, 主要な氷河体に対して, 空間的に一貫性があり, 時間的に一貫した輪郭を生じさせることが示唆された。 導出RGB画像への依存により、他の光学データセットに柔軟で転送可能である。
  論文  参考訳（メタデータ） (2025-12-28T09:42:01Z)
• Interpretable Machine Learning for Reservoir Water Temperatures in the U.S. Red River Basin of the South [0.0]
  我々は,貯留層水温(RWT)の動的要因を明らかにするために,説明可能な機械学習(ML)とシンボリックモデリングを統合した。 我々は、ランダムフォレスト(RF)、エクストリームグラディエントブースティング(XGBoost)、マルチレイヤーパーセプトロン(MLP)を含むアンサンブルとニューラルモデルを採用している。 データ駆動による洞察をコンパクトな解析式に変換するため,我々はKAN(Kolmogorov Arnold Networks)を開発し,RWTを記号的に近似した。
  論文  参考訳（メタデータ） (2025-11-03T18:45:27Z)
• Predicting Barge Tow Size on Inland Waterways Using Vessel Trajectory Derived Features: Proof of Concept [0.0]
  本研究では,機械学習(ML)を用いた曳航船数予測にAIS(Automatic Identification System)船体追跡データを用いた新しい手法を提案する。 モデルの訓練と試験のために、ミシシッピ川下流の衛星シーンからバージのインスタンスが注釈付けされた。 提案手法は,MDA(Maritime Domain Awareness)を,ロックスケジューリング,ポート管理,および貨物計画に強力な応用で拡張する,スケーラブルで容易に実装可能な手法を提供する。
  論文  参考訳（メタデータ） (2025-10-28T01:51:23Z)
• Causal Time Series Modeling of Supraglacial Lake Evolution in Greenland under Distribution Shift [2.5551933647600693]
  因果モデリングは、時系列データの安定で不変な関係を明らかにするための原則的な基礎を提供する。 RIC-TSCは,ラグを意識した因果発見を直接シーケンスモデリングに組み込む,局所的にインフォームドされた因果時系列分類フレームワークである。
  論文  参考訳（メタデータ） (2025-10-17T03:06:08Z)
• Multi-Modal Learning-based Reconstruction of High-Resolution Spatial Wind Speed Fields [46.72819846541652]
  本稿では,Variデータ同化とディープラーニングの概念に基づくフレームワークを提案する。 この枠組みは、海面風速に関する高解像度のリッチインタイムを回復するために応用される。
  論文  参考訳（メタデータ） (2023-12-14T13:40:39Z)
• SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to Generate an Improved Ocean Model [72.3183990520267]
  シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。 具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。 提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
  論文  参考訳（メタデータ） (2021-06-24T17:29:42Z)
• Constraining subglacial processes from surface velocity observations using surrogate-based Bayesian inference [0.0]
  基底運動は、南極の外での氷の流束の主要なメカニズムであるが、それを予測するための広く適用可能なモデルである。 これは、小規模のベッド特性の観察と、基底運動が依存する時間変化水圧の予測の両方が困難であるためである。 我々は、グリーンランド南西部の表面速度の観測に基づく氷力学と氷下水理の結合モデルと条件付けにより、これらの問題にベイズ的アプローチを採っている。
  論文  参考訳（メタデータ） (2020-06-22T16:47:33Z)
• Sub-Seasonal Climate Forecasting via Machine Learning: Challenges, Analysis, and Advances [44.28969320556008]
  サブシーズン気候予報(SSF)は、気温や降水量などの主要な気候変数を2週間から2ヶ月の時間スケールで予測することに焦点を当てている。 本稿では,米国本土におけるSSFのための機械学習(ML)アプローチについて検討する。
  論文  参考訳（メタデータ） (2020-06-14T18:39:27Z)

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。