論文の概要: Monitoring exposure-length variations in submarine power cables using distributed fiber-optic sensing

• arxiv url: http://arxiv.org/abs/2604.24880v1
• Date: Mon, 27 Apr 2026 18:06:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.540742
• Title: Monitoring exposure-length variations in submarine power cables using distributed fiber-optic sensing
• Title（参考訳）: 分散光ファイバセンシングによる海底電力ケーブルの露光長変動のモニタリング
• Authors: Sakiko Mishima, Yoshiyuki Yajima, Noriyuki Tonami, Tomoyuki Hino, Shugo Aibe, Junichiro Saikawa, Koji Mizuguchi,
• Abstract要約: 本研究では, 海底フリースパンケーブルの露出長変動を監視するための異常検出フレームワークを提案する。 提案手法は,2mから10mの露出長を持つ波動タンク実験により評価した。
• 参考スコア（独自算出の注目度）: 3.720720977930546
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This study proposes an anomaly-detection framework for monitoring exposure-length variations in submarine free-span cables using Distributed Acoustic Sensing (DAS), which is one of the distributed fiber-optic sensing technologies. To address environmental variability and limited training data in offshore environments, a regression-based feature extraction method was introduced to derive low-dimensional latent representations that retain exposure length-dependent vibration characteristics while suppressing environmental influences. The extracted features were used for one-class Support Vector Machine (SVM)-based anomaly detection. The proposed framework was evaluated through wave-tank experiments with exposure lengths ranging from 2 to 10 m. Experimental results showed that anomaly scores decreased approximately monotonically with increasing exposure-length change, exhibiting a strong correlation ($r = -0.83$). The binary classification achieved an F1 score of 0.82 despite training with only small-sample datasets. These findings demonstrate that exposure-length variations can be reliably detected under severe data limitations, supporting the potential of DAS-based cable condition monitoring.
• Abstract（参考訳）: 本研究では, 分散光ファイバセンシング技術である分散音響センシング(DAS)を用いて, 海底自由スパンケーブルの露出長変動を計測するための異常検出フレームワークを提案する。 オフショア環境における環境変動と限られたトレーニングデータに対処するため,環境影響を抑えつつ露出長依存性の振動特性を保持する低次元潜時表現を導出する回帰型特徴抽出法を導入した。 抽出した特徴は,一級サポートベクトルマシン(SVM)による異常検出に利用された。 提案手法は,2mから10mの露出長を持つ波動タンク実験により評価した。 実験の結果,暴露長の増大に伴い異常スコアはほぼ単調に減少し,強い相関(r=-0.83$)を示した。 バイナリ分類は、小さなサンプルのデータセットのみによるトレーニングにもかかわらず、F1スコアが0.82に達した。 これらの結果から,DASによるケーブルコンディションモニタリングの可能性を裏付ける,厳密なデータ制限下で露出長の変動を確実に検出できることが示唆された。

関連論文リスト

• Multi-Modal Landslide Detection from Sentinel-1 SAR and Sentinel-2 Optical Imagery Using Multi-Encoder Vision Transformers and Ensemble Learning [0.0]
  地すべりは、人間の生活、インフラ、生態系に深刻な影響を与えている主要なジオハザードである。 本研究では、Sentinel-1 Synthetic Aperture Radar(SAR)データとSentinel-2光画像を融合したモジュラー・マルチモデルフレームワークを提案する。 提案手法は地すべり検出における最先端F1スコア0.919を達成する。
  論文  参考訳（メタデータ） (2026-04-07T14:51:05Z)
• mmAnomaly: Leveraging Visual Context for Robust Anomaly Detection in the Non-Visual World with mmWave Radar [2.1531495561529663]
  我々はmmWaveレーダとRGBD入力を組み合わせて視覚コンテキストを組み込むマルチモーダル異常検出フレームワークであるmmAnomalyを提案する。 隠蔽兵器の局所化,スルーウォールの局所化侵入,およびスルーウォールのフォールローカライゼーションの3つの応用にまたがる2つのマルチモーダルデータセットに対するmmAnomalyの評価を行った。
  論文  参考訳（メタデータ） (2026-04-01T02:07:57Z)
• Function-Space Decoupled Diffusion for Forward and Inverse Modeling in Carbon Capture and Storage [65.51149575007149]
  本稿では,Fun-DDPSについて述べる。Fun-DDPSは,関数空間拡散モデルと微分可能なニューラル演算子サロゲートを結合した生成フレームワークである。 Fun-DDPSは、ジョイントステートベースラインで観察される高周波アーティファクトから、物理的に一貫した実現をもたらす。
  論文  参考訳（メタデータ） (2026-02-12T18:58:12Z)
• Real-Time 4D Radar Perception for Robust Human Detection in Harsh Enclosed Environments [10.956927578406388]
  本稿では, 密集環境を代表とした散布環境において, 制御された多層塵濃度を生成するための新しい手法を提案する。 また、カメラとLiDARによって強化された新しい4DmmWaveレーダーデータセットを提示し、塵粒子と反射面が検知機能にどのように影響するかを説明した。
  論文  参考訳（メタデータ） (2026-01-19T20:01:15Z)
• Below-shot-noise capacity in phase estimation using nonlinear interferometers [30.5491665195957]
  位相推定のための強度ベース計測による3つの量子イメージング構成を比較した。 マンデル干渉計における差分強度検出は、最も高い位相感度と最も堅牢な位相感度を提供する。
  論文  参考訳（メタデータ） (2026-01-07T17:51:52Z)
• Double Helix Diffusion for Cross-Domain Anomaly Image Generation [47.093354259479234]
  本稿ではDH-Diff(Double Helix Diffusion)について紹介する。DH-Diffは高忠実度異常画像と画素レベルのアノテーションマスクを同時に合成する新しいクロスドメイン生成フレームワークである。 DH-Diffは二重ヘリックスにインスパイアされたユニークなアーキテクチャを採用し、特徴分離、接続、マージのために異なるモジュールをサイクリングする。 大規模な実験により、DH-Diffは多様性と信頼性において最先端の手法を著しく上回り、下流異常検出性能は大幅に向上した。
  論文  参考訳（メタデータ） (2025-09-16T08:06:07Z)
• Machine Learning for LiDAR-Based Indoor Surface Classification in Intelligent Wireless Environments [0.0]
  本稿では,室内表面を半特異・低特異のカテゴリに分類するLiDAR駆動型機械学習フレームワークを提案する。 15の屋内材料から78,000点以上のデータセットを収集し、3cm×3cmのパッチに分割した。 結果は、アンサンブルツリーベースのモデルが、正確性と堅牢性の間の最良のトレードオフを一貫して提供することを示している。
  論文  参考訳（メタデータ） (2025-09-04T01:58:18Z)
• Frequency Domain-Based Diffusion Model for Unpaired Image Dehazing [92.61216319417208]
  そこで本稿では,未確認データにおける有益な知識を十分に活用するための,新しい周波数領域ベース拡散モデルを提案する。 拡散モデル(DM)が示す強い生成能力に着想を得て,周波数領域再構成の観点からデハージング課題に取り組む。
  論文  参考訳（メタデータ） (2025-07-02T01:22:46Z)
• Full Event Particle-Level Unfolding with Variable-Length Latent Variational Diffusion [44.6263403467016]
  生成機械学習モデルは、多数の次元で未結合の展開を実行することを約束している。 生成的展開に対する変動潜在拡散モデル(VLD)アプローチの新たな変更について述べる。 この手法の性能は、大型ハドロン衝突型加速器における半レプトニックトップクォーク対生成の文脈で評価される。
  論文  参考訳（メタデータ） (2024-04-22T16:47:10Z)

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。