論文の概要: Calibration of the underlying surface parameters for urban flood using latent variables and adjoint equation

• arxiv url: http://arxiv.org/abs/2605.02959v1
• Date: Sun, 03 May 2026 01:59:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 19:35:43.535163
• Title: Calibration of the underlying surface parameters for urban flood using latent variables and adjoint equation
• Title（参考訳）: 潜伏変数と随伴方程式を用いた都市洪水の表層パラメータの校正
• Authors: Yongfu Tian, Shan Ding, Guofeng Su, Jianguo Chen,
• Abstract要約: 都市下面パラメータのキャリブレーションは都市洪水シミュレーションに不可欠である。 パラメータキャリブレーション問題をベイズフレームワーク内の最適化問題に定式化する。 テスト8Aから導かれた場合、マニングの都市道路係数を最大相対誤差13.88%、最小誤差1.16%で校正する。
• 参考スコア（独自算出の注目度）: 1.6193104043652908
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Calibrating the urban underlying surface parameters is crucial for urban flood simulation. We formulate the parameter calibration problem into an optimization problem within the Bayesian framework using the maximum likelihood principle. We adopt the urban flood dynamical system model as the surrogate model and innovatively introduce latent variables inspired by machine learning to represent more uncertainties, which can also be compatible with common physical parameter calibration. For more efficient optimization, we construct the adjoint equation of the surrogate model to obtain gradient information and propose the parameter sharing technique and the localization technique to reduce the computation complexity of the adjoint equation. A simple case verifies the proposed method can converge quickly and is insensitive to the observation time interval. In the case derived from Test 8A, we calibrate Manning's coefficient of urban roads, with a maximum relative error of 13.88% and a minimum of 1.16%.
• Abstract（参考訳）: 都市下面パラメータのキャリブレーションは都市洪水シミュレーションに不可欠である。 パラメータキャリブレーション問題を最大極大原理を用いてベイズフレームワーク内の最適化問題に定式化する。 我々は,都市洪水力学モデルを代理モデルとして採用し,機械学習にインスパイアされた潜伏変数を導入し,より不確実性を表現する。 より効率的な最適化のために、シュロゲートモデルの随伴方程式を構築し、勾配情報を得るとともに、パラメータ共有法と局所化法を提案し、随伴方程式の計算複雑性を低減する。 簡単なケースでは、提案手法が迅速に収束し、観測時間間隔に敏感であることを示す。 テスト8Aから導かれた場合、マニングの都市道路係数を最大相対誤差13.88%、最小誤差1.16%で校正する。

関連論文リスト

• A New Stochastic Approximation Method for Gradient-based Simulated Parameter Estimation [0.7673339435080445]
  本稿では,マルチ時間スケール近似アルゴリズムを用いた勾配に基づくシミュレーションパラメータ推定フレームワークを提案する。 提案手法は,最大推定問題と後続密度推定問題の両方で生じる比バイアスを効果的に解決する。 我々の研究はGSPEフレームワークを拡張し、マルコフモデルや変分推論に基づく問題のような複雑なモデルを扱う。
  論文  参考訳（メタデータ） (2025-03-24T03:54:50Z)
• Scaling Exponents Across Parameterizations and Optimizers [94.54718325264218]
  本稿では,先行研究における重要な仮定を考察し,パラメータ化の新たな視点を提案する。 私たちの経験的調査には、3つの組み合わせでトレーニングされた数万のモデルが含まれています。 最高の学習率のスケーリング基準は、以前の作業の仮定から除外されることがよくあります。
  論文  参考訳（メタデータ） (2024-07-08T12:32:51Z)
• Variational Bayesian surrogate modelling with application to robust design optimisation [0.9626666671366836]
  サロゲートモデルは複雑な計算モデルに対して素早く評価できる近似を提供する。 入力の不確かさと次元減少を伴う統計的代理を構築するためのベイズ推定について考察する。 コスト関数がモデル出力の平均および標準偏差の重み付け和に依存するような本質的で頑健な構造最適化問題を示す。
  論文  参考訳（メタデータ） (2024-04-23T09:22:35Z)
• Conditional Korhunen-Lo\'{e}ve regression model with Basis Adaptation for high-dimensional problems: uncertainty quantification and inverse modeling [62.997667081978825]
  本稿では,物理系の観測可能な応答のサロゲートモデルの精度を向上させる手法を提案する。 本研究では,定常水理応答のBasis Adaptation (BA)法による代理モデル構築に提案手法を適用した。
  論文  参考訳（メタデータ） (2023-07-05T18:14:38Z)
• A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
  本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。 これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。 本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Stochastic Marginal Likelihood Gradients using Neural Tangent Kernels [78.6096486885658]
  線形化されたラプラス近似に下界を導入する。 これらの境界は漸進的な最適化が可能であり、推定精度と計算複雑性とのトレードオフを可能にする。
  論文  参考訳（メタデータ） (2023-06-06T19:02:57Z)
• Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
  Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。 本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。 我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
  論文  参考訳（メタデータ） (2022-09-27T07:58:25Z)
• Regularized Nonlinear Regression for Simultaneously Selecting and Estimating Key Model Parameters [1.6122433144430324]
  システム同定では、限られた観測値を用いてモデルのパラメータを推定すると、識別性が低下する。 感度パラメータをキーモデルパラメータとして同時に選択および推定し、残りのパラメータを典型的な値の集合に固定する新しい方法を提案する。
  論文  参考訳（メタデータ） (2021-04-23T06:17:57Z)
• Sinkhorn Natural Gradient for Generative Models [125.89871274202439]
  本研究では,シンクホーンの発散による確率空間上の最も急降下法として機能するシンクホーン自然勾配(SiNG)アルゴリズムを提案する。 本稿では,SiNG の主要成分であるシンクホーン情報行列 (SIM) が明示的な表現を持ち,対数的スケールの複雑さを正確に評価できることを示す。 本実験では,SiNGと最先端のSGD型解法を定量的に比較し,その有効性と有効性を示す。
  論文  参考訳（メタデータ） (2020-11-09T02:51:17Z)
• Bayesian Sparse learning with preconditioned stochastic gradient MCMC and its applications [5.660384137948734]
  提案アルゴリズムは, 温和な条件下で, 制御可能なバイアスで正しい分布に収束する。 提案アルゴリズムは, 温和な条件下で, 制御可能なバイアスで正しい分布に収束可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-29T20:57:20Z)

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。