論文の概要: Learning Response-Statistic Shifts and Parametric Roll Episodes from Wave--Vessel Time Series via LSTM Functional Models
- arxiv url: http://arxiv.org/abs/2603.24431v1
- Date: Wed, 25 Mar 2026 15:38:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-26 21:06:11.367333
- Title: Learning Response-Statistic Shifts and Parametric Roll Episodes from Wave--Vessel Time Series via LSTM Functional Models
- Title（参考訳）: LSTM関数モデルによるウェーブ・ベッセル時系列からの応答統計シフトとパラメトリックロールエピソードの学習
- Authors: Jose del Aguila Ferrandis,
- Abstract要約: パラメトリックロールは、船の反応の急激な状態変化を引き起こす、まれだが高頻度の不安定性である。
本稿では,入射波動時系列から容器運動への非線形・因果関数マッピングを学習するデータ駆動サロゲートを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Parametric roll is a rare but high-consequence instability that can trigger abrupt regime changes in ship response, including pronounced shifts in roll statistics and tail risk. This paper develops a data-driven surrogate that learns the nonlinear, causal functional mapping from incident wave--motion time series to vessel motions, and demonstrates that the surrogate reproduces both (i) parametric roll episodes and (ii) the associated statistical shifts in the response. Crucially, the learning framework is data-source agnostic: the paired wave--motion time series can be obtained from controlled experiments (e.g., towing-tank or basin tests with wave probes and motion tracking) when a hull exists, or from high-fidelity simulations during design when experiments are not yet available. To provide a controlled severe-sea demonstration, we generate training data with a URANS numerical wave tank, using long-crested irregular seas synthesized from a modified Pierson--Moskowitz spectrum. The demonstration dataset comprises 49 random-phase realizations for each of three sea states, simulated at a fixed forward speed selected to yield encounter conditions under which parametric-roll episodes can occur. A stacked LSTM surrogate is trained on wave-elevation time series and evaluated on held-out realizations using time-domain accuracy and distributional fidelity metrics. In the most severe case, the model tracks the onset and growth of large-amplitude roll consistent with parametric excitation, and captures the corresponding changes in roll probability density functions (PDFs). We further compare loss-function choices (MSE, relative-entropy-based objectives, and amplitude-weighted variants) and show how they trade average error for improved tail fidelity relevant to operability and risk assessment.
- Abstract（参考訳）: パラメトリックロールは、ロール統計やテールリスクの顕著な変化を含む、船の反応の急激な状況変化を引き起こす、まれだが高頻度の不安定性である。
本稿では,入射波動時系列から容器運動への非線形・因果関数マッピングを学習するデータ駆動サロゲートを開発し,このサロゲートが双方を再現することを示す。
(i)パラメトリックロールのエピソード
(ii)応答の関連統計シフト。
重要なことは、学習フレームワークはデータソース非依存であり、ペア化された波動時系列は、船体が存在する場合の制御された実験(例えば、曳航タンクや波動プローブやモーショントラッキングによる盆地試験)や、実験がまだ行われていない場合の設計時の高忠実度シミュレーションから得ることができる。
改良されたピアソン-モスカウィッツスペクトルから合成した長周期不規則海を用いてURANS数値波槽を用いた訓練データを生成する。
本発明の実証データセットは、3つの海状態それぞれに対して49個のランダム位相実現を行い、パラメトリックロール現象が発生する可能性のある出会う条件を得るために選択された固定前方速度でシミュレートする。
重ねられたLSTMサロゲートは、波面上昇時系列に基づいて訓練され、時間領域精度と分布忠実度測定値を用いて保持された実測値に基づいて評価される。
最も深刻な場合、モデルはパラメトリック励起と整合した大振幅ロールの開始と成長を追跡し、ロール確率密度関数の対応する変化をキャプチャする(PDFs)。
さらに、損失関数の選択(MSE、相対エントロピーに基づく目的、振幅重み付き変種)を比較し、操作性やリスク評価に関連する尾の忠実性を改善するために平均誤差をどう扱うかを示す。
関連論文リスト
- Momentum LMS Theory beyond Stationarity: Stability, Tracking, and Regret [6.655960359749289]
大規模データ処理のシナリオでは、データが複雑なシステムによって生成されるシーケンシャルストリームに到達することが多い。
この非定常性は古典的な仮定に反する理論解析に挑戦する。
本稿では,適応型識別ツールとしてMomentum Least Mean Squares (MLMS)アルゴリズムについて検討する。
論文 参考訳（メタデータ） (2026-02-12T14:24:42Z) - Flexible Gravitational-Wave Parameter Estimation with Transformers [73.44614054040267]
本稿では,予測時間における多様な解析設定への適応を可能にする,フレキシブルトランスフォーマーベースのアーキテクチャをトレーニング戦略と組み合わせて導入する。
我々は、Dingo-T1と呼ばれる単一のフレキシブルモデルが、第3のLIGO-Virgo-KAGRA観測ランから48の重力波イベントを解析できることを実証した。
論文 参考訳（メタデータ） (2025-12-02T17:49:08Z) - Joint Estimation of Sea State and Vessel Parameters Using a Mass-Spring-Damper Equivalence Model [2.7482451989000025]
海面のリアルタイム推定は、造船や海洋安全などの応用に不可欠である。
従来の方法では、搭載されたセンサーから波のスペクトルを推定するために正確な波動-容器伝達関数を頼りにしていた。
対照的に,本手法では,事前伝達関数の知識を必要とせず,海の状態と船舶のパラメータを共同で推定する。
論文 参考訳（メタデータ） (2025-11-27T00:48:35Z) - A Nonparametric Discrete Hawkes Model with a Collapsed Gaussian-Process Prior [0.5352699766206809]
ベースラインと励起の両方にガウス過程を優先する非パラメトリックフレームワークを提案する。
これにより、所定の傾向、周期性、または崩壊形を伴わないスムーズなデータ適応構造が得られる。
シミュレーションでは、GP-DHPは多様な励起形状を復元し、ベースラインを進化させる。
論文 参考訳（メタデータ） (2025-09-26T07:23:57Z) - A Hybrid Framework for Real-Time Data Drift and Anomaly Identification Using Hierarchical Temporal Memory and Statistical Tests [14.37149160708975]
本稿では,階層型テンポラルメモリ(HTM)と逐次確率比テスト(SPRT)を組み合わせた,リアルタイムデータドリフト検出と異常同定のためのハイブリッドフレームワークを提案する。
実験により,提案手法は,KS試験,ワッサーシュタイン距離,人口安定度指数(PSI)などの従来のドリフト検出手法よりも精度,適応性,計算効率の点で優れていた。
論文 参考訳（メタデータ） (2025-04-24T18:23:18Z) - A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。
後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。
実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
論文 参考訳（メタデータ） (2024-02-26T04:39:01Z) - Stochastic Latent Transformer: Efficient Modelling of Stochastically
Forced Zonal Jets [0.0]
本稿では,SLT(Stochastic Latent Transformer)という新しい確率論的学習手法を提案する。
SLTは、様々な統合期間にわたってシステムダイナミクスを正確に再現し、定量的診断を通じて検証する。
水平平均流をエミュレートする際の5次のマグニチュードスピードアップを実現する。
論文 参考訳（メタデータ） (2023-10-25T16:17:00Z) - DynImp: Dynamic Imputation for Wearable Sensing Data Through Sensory and
Temporal Relatedness [78.98998551326812]
従来の手法では、データの時系列ダイナミクスと、異なるセンサーの特徴の関連性の両方をめったに利用していない、と我々は主張する。
我々はDynImpと呼ばれるモデルを提案し、特徴軸に沿って近接する隣人と異なる時間点の欠如を扱う。
本手法は, 関連センサのマルチモーダル性特性を活かし, 履歴時系列のダイナミックスから学習し, 極端に欠落した状態でデータを再構築することができることを示す。
論文 参考訳（メタデータ） (2022-09-26T21:59:14Z) - Anomaly Detection of Time Series with Smoothness-Inducing Sequential
Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。
我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。
合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文 参考訳（メタデータ） (2021-02-02T06:15:15Z) - Learning summary features of time series for likelihood free inference [93.08098361687722]
時系列データから要約機能を自動的に学習するためのデータ駆動型戦略を提案する。
以上の結果から,データから要約的特徴を学習することで,手作りの値に基づいてLFI手法よりも優れる可能性が示唆された。
論文 参考訳（メタデータ） (2020-12-04T19:21:37Z)
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。