論文の概要: Anomaly Detection in Soil Heavy Metal Contamination Using Unsupervised Learning for Environmental Risk Assessment

• arxiv url: http://arxiv.org/abs/2604.27102v1
• Date: Wed, 29 Apr 2026 18:47:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.760557
• Title: Anomaly Detection in Soil Heavy Metal Contamination Using Unsupervised Learning for Environmental Risk Assessment
• Title（参考訳）: 環境リスク評価のための教師なし学習を用いた土壌重金属汚染の異常検出
• Authors: Isaac Tettey Adjokatse, Samuel Senyo Koranteng, George Yamoah Afrifa, Theophilus Ansah-Narh, Marcellin Atemkeng, Joseph Bremang Tandoh, Kow Ahor Essel-Yorke, Richmond Opoku-Sarkodie, Rebecca Davis,
• Abstract要約: 重金属はガーナの都市化が急速に進んでいる地域で環境と公衆衛生の懸念を持続的に引き起こしている。 本研究では,土壌中の重金属汚染パターンを異常に検出し,特徴付けるために,教師なし機械学習フレームワークを適用した。 3つの異なる異常型が同定された: S3では極度のCu濃縮、S4では不均一に低いNi、S9-S12では中等度多金属(Pb-Zn)共存であった。
• 参考スコア（独自算出の注目度）: 1.3894129376500928
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Soil contamination by heavy metals poses a persistent environmental and public health concern in rapidly urbanising regions of Ghana, particularly at unregulated waste disposal sites. This study applies an unsupervised machine learning framework to detect and characterise anomalous heavy metal contamination patterns in soils from twelve waste sites and residential controls in the Central Region, of Ghana. Concentrations of eight metals (As, Cd, Cr, Cu, Hg, Ni, Pb, Zn) were analysed alongside standard health risk indices, including the Hazard Index (HI) and Incremental Lifetime Cancer Risk (ILCR). Isolation Forest and PCA reconstruction error each identified $12$ anomalous samples ($15.4\%$ of $78$ samples), while DBSCAN detected no density-isolated noise points. A consensus approach isolated six robust anomalies ($7.7\%)$, all spatially concentrated at a single site (S3). Anomalies exhibited approximately $70$--$80\%$ higher mean HI values than normal samples, with all consensus anomalies exceeding the HI$=1$ threshold. PCA reconstruction error showed a strong positive association with HI ($r \approx 0.8$), indicating consistency between multivariate deviation and health risk. Three distinct anomaly types were identified: extreme Cu enrichment at S3, anomalously low Ni at S4/S5, and moderate multi-metal (Pb--Zn) co-elevation at S9--S12. The results demonstrate that unsupervised machine learning provides granular, objective insight beyond aggregate indices, enabling targeted site prioritisation and risk-informed environmental management.
• Abstract（参考訳）: 重金属による土壌汚染は、ガーナの急速な都市化地域、特に非規制廃棄物処理場での環境と公衆衛生の懸念を持続的に引き起こす。 本研究は, ガーナ中部の廃棄物処理地12箇所の土壌中の重金属汚染パターンを検出し, 特徴付けるために, 教師なし機械学習フレームワークを適用した。 8種類の金属(As, Cd, Cr, Cu, Hg, Ni, Pb, Zn)の濃度を, Hazard Index (HI) や Incremental Lifetime Cancer Risk (ILCR) などの標準健康リスク指標とともに分析した。 アイソレーションフォレストとPCAの復元エラーは、それぞれ12$の異常サンプル(78$サンプルの15.4\%)を特定したが、DBSCANは密度分離ノイズポイントを検出できなかった。 コンセンサスアプローチは6つの頑健な異常(7.7\%)を分離し、すべて1つの場所に空間集中する(S3)。 平均HI値は, 平均HI値より約70$--80\%$高く, HI値=1$閾値を超えるコンセンサス異常が認められた。 PCA再建誤差はHI(r \approx 0.8$)と強い正の相関を示し,多変量偏差と健康リスクの整合性を示した。 3つの異なる異常型が同定された: S3では極度のCu濃縮、S4/S5では不均一に低いNi、S9-S12では中等度多金属(Pb-Zn)共存であった。 その結果, 教師なし機械学習は, 対象部位の優先順位付けとリスクインフォームド環境管理を可能にするため, 集約指標を超えて, 詳細な客観的な洞察を提供することがわかった。

関連論文リスト

• Robust Regression with Adaptive Contamination in Response: Optimal Rates and Computational Barriers [65.58071581164043]
  本研究では, 共変剤を清潔にし, 応答を適応的に劣化させる汚染モデルの下で, 頑健な回帰について検討する。 本研究では,ハマー汚染下で達成可能なものよりも優れた推定率を持つ推定器を構築するために,追加情報を慎重に活用できることを示す。 情報理論の観点からは、ハマーモデルよりも改善されているにもかかわらず、この問題が強い情報計算ギャップを示すという公式な証拠を提供する。
  論文  参考訳（メタデータ） (2026-04-05T19:07:24Z)
• SA-CycleGAN-2.5D: Self-Attention CycleGAN with Tri-Planar Context for Multi-Site MRI Harmonization [3.5109108807229403]
  本稿では,Ben-David らによる$HH$-divergence 境界によるドメイン適応フレームワーク SA-CycleGAN-2.5D を提案する。 2D効率と3D一貫性をブリッジすることで,腫瘍の病態を保ったボクセルレベルの高調波画像が得られる。
  論文  参考訳（メタデータ） (2026-03-17T23:49:46Z)
• The Boiling Frog Threshold: Criticality and Blindness in World Model-Based Anomaly Detection Under Gradual Drift [0.0]
  4つのMuJoCo環境における連続観測ドリフト下での世界モデルに基づく自己監視について検討した。 我々は、鋭い検出しきい値$varepsilon*$が普遍的に存在することを発見した。 我々の結果は、創発的な世界モデル特性から、ノイズフロア、検出器、環境力学の間の3方向の相互作用へと、$varepsilon*$を再設定する。
  論文  参考訳（メタデータ） (2026-03-09T14:51:53Z)
• Anomaly Detection via Mean Shift Density Enhancement [0.0]
  本稿では,密度駆動多様体の進化に対する幾何学的応答を通じて異常を検出する,完全に教師なしのフレームワークを提案する。 MSDEは、局所密度によって十分に支持されている通常のサンプルが反復密度増強の下で安定であるという原理に基づいている。 MSDEは、AUC-ROC、AUC-PR、Precision@nに対して、いくつかのノイズレベルと、いくつかの種類の異常に対して、一貫して強い、バランスのとれた、堅牢な性能を達成する。
  論文  参考訳（メタデータ） (2026-02-03T09:20:56Z)
• Synergistic Neural Forecasting of Air Pollution with Stochastic Sampling [50.3911487821783]
  大気汚染は世界的な健康と環境のリスクの先駆けであり、特に山火事、都市干ばつ、塵嵐による大気汚染の急激な増加に弱い地域ではなおもである。 本稿では,気象および大気組成データを統合し,平均および極端汚染レベルの予測を改善する高分解能神経予測モデルであるSynCastを提案する。
  論文  参考訳（メタデータ） (2025-10-28T01:18:00Z)
• Unified Unsupervised Anomaly Detection via Matching Cost Filtering [113.43366521994396]
  教師なし異常検出(UAD)は、通常のトレーニングデータのみを用いて画像レベルの異常と画素レベルの異常を識別することを目的としている。 UADモデルの異常コスト量を補正するための汎用的なポストホック精錬フレームワークであるUnified Cost Filtering (UCF) を提案する。
  論文  参考訳（メタデータ） (2025-10-03T03:28:18Z)
• Overestimation in LLM Evaluation: A Controlled Large-Scale Study on Data Contamination's Impact on Machine Translation [46.148465860465095]
  機械翻訳作業における1Bと8Bの言語モデルに対する汚染の影響について検討した。 実験の結果,ソースとターゲットの汚染がBLEUスコアを大幅に膨らませていることが判明した。 対照的に、ソースのみの汚染とターゲットのみの汚染は、概して小さく、一貫性の低い過剰推定を生み出す。
  論文  参考訳（メタデータ） (2025-01-30T21:51:18Z)
• Mitigating climate and health impact of small-scale kiln industry using multi-spectral classifier and deep learning [5.992292768883151]
  小規模産業、特にブルトレンチレンガキルンは南アジアにおける大気汚染の重要な原因の1つである。 本稿では,南アジアの「Brick-Kiln-Belt」におけるレンガキルン検出のための高分解能画像を用いた多スペクトルデータの融合を提案する。
  論文  参考訳（メタデータ） (2023-03-21T07:54:58Z)
• Hierarchical Semi-Supervised Contrastive Learning for Contamination-Resistant Anomaly Detection [81.07346419422605]
  異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。 コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。 汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-24T18:49:26Z)

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。