論文の概要: Trust-Aware Predictive Emissions Monitoring for Gas Turbine Fleets with Limited Labelled Data

• arxiv url: http://arxiv.org/abs/2606.06156v1
• Date: Thu, 04 Jun 2026 13:28:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.818674
• Title: Trust-Aware Predictive Emissions Monitoring for Gas Turbine Fleets with Limited Labelled Data
• Title（参考訳）: 限定ラベリングデータによるガスタービン艦隊の信頼度予測放射モニタリング
• Authors: Rebecca Potts, Aiden Durrant, Rick Hackney, Georgios Leontidis,
• Abstract要約: 限定ラベル付き監督下での艦隊レベルのガスタービンNOx予測に信頼性を考慮した確率的枠組みを提案する。 このフレームワークは,マルチヘッド再帰予測モデルと学習された信頼度推定,アンサンブルに基づく不確実性定量化,補助的特徴予測,特徴空間距離解析,動作範囲診断を組み合わせた。 その結果, 提案した信頼枠組みは, タービンの排出予測に有効な信頼性情報を提供することがわかった。
• 参考スコア（独自算出の注目度）: 1.9307618337162025
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Machine learning-based predictive emissions monitoring systems offer a practical alternative to direct emissions measurement, but their deployment across gas turbine fleets is challenging when emissions labels are available for only a small subset of assets. In this work, a trust-aware probabilistic framework is proposed for fleet-level gas turbine NOx prediction under limited labelled supervision. The framework combines a multi-head recurrent prediction model with learned confidence estimation, ensemble-based uncertainty quantification, auxiliary feature prediction, feature-space distance analysis, and operating-range diagnostics. These signals are calibrated on labelled data to produce interpretable per-sample trust scores, providing indicators of prediction reliability on unlabelled turbines, supporting the identification of predictions that should be treated with greater caution during fleet-level deployment. Confidence-based filtering reduces MAE from 0.202 at full coverage to 0.070 for the highest-confidence 10\% of predictions, demonstrating that confidence estimates are meaningfully related to prediction error. Unlabelled and out-of-distribution samples exhibit increased uncertainty and reduced confidence, indicating that the framework responds appropriately to distributional shift. The results show that the proposed trust framework provides actionable reliability information for emissions prediction on unlabelled turbines, supporting more transparent and trustworthy deployment of PEMS across industrial fleets.
• Abstract（参考訳）: 機械学習に基づく予測エミッション監視システムは、直接のエミッション測定に代わる実用的な代替手段を提供するが、ガスタービン艦隊への展開は、エミッションラベルが少数の資産でしか利用できない場合に困難である。 本研究では,限定ラベル付き監督下での艦隊レベルのガスタービンNOx予測のための信頼性を考慮した確率的枠組みを提案する。 このフレームワークは,マルチヘッド再帰予測モデルと学習された信頼度推定,アンサンブルに基づく不確実性定量化,補助的特徴予測,特徴空間距離解析,動作範囲診断を組み合わせた。 これらの信号はラベル付きデータに基づいてキャリブレーションされ、解釈可能な個々の信頼スコアを生成し、未ラベルタービンの予測信頼性の指標を提供し、艦隊レベルの展開時により注意を払って扱うべき予測の識別を支援する。 信頼に基づくフィルタリングは、信頼度推定が予測誤差に有意な関連があることを実証し、全カバレッジで0.202から0.070に減少する。 ばらつきのない分布のサンプルは不確実性を高め、信頼性を低下させ、このフレームワークは分布シフトに適切に反応することを示した。 その結果, 提案した信頼枠組みは, タービンの排出予測に実用的な信頼性情報を提供し, 産業用車両間のPEMSのより透明で信頼性の高い展開を支援することが示唆された。

関連論文リスト

• Scientific Machine Learning for Engine Health Management and Remaining Useful Life Prediction [0.5621251909851629]
  本稿では,タービン診断のためのマルチタスク科学機械学習フレームワークを提案する。 TGTU、デルタタービンガス温度(DTGT)、Remaining Useful Life(RUL)を共同で予測する。 平均絶対誤差(MAE)、予測区間カバレッジ確率(PICP)、平均区間幅(MPIW)、カバレッジ幅基準(CWC)などの点と間隔の指標を用いて評価する。
  論文  参考訳（メタデータ） (2026-05-28T21:39:53Z)
• Recipes for Calibration Checks in Safety-Critical Applications [0.0]
  安全クリティカルな予測システムの校正チェックのためのフレームワークを提案する。 チェックは、予測器から収集されたデータに対して、単一の受け入れ/拒絶判定を生成する。 天気予報とロボットのポーズ推定という2つの相補的な事例にフレームワークの適用性を示す。
  論文  参考訳（メタデータ） (2026-04-29T09:43:55Z)
• Rethinking Gaussian Trajectory Predictors: Calibrated Uncertainty for Safe Planning [4.546517638153619]
  既存の軌道予測器は主に負の対数的損失に依存しており、これは過度あるいは過度に信頼される分布を予測しがちである。 本稿では,予測の不確実性を校正する新たな損失関数を提案する。 提案手法は,異なる状態領域のガウス軌道予測器によって予測される信頼度の信頼性を著しく向上することを示す。
  論文  参考訳（メタデータ） (2026-03-11T04:42:49Z)
• Explainable Uncertainty Quantification for Wastewater Treatment Energy Prediction via Interval Type-2 Neuro-Fuzzy System [2.5274064055508174]
  本研究は,ファジィ規則構造を介して解釈可能な予測間隔を生成するインターバルタイプ2適応型ニューロファジィ推論システム(IT2-ANFIS)を開発した。 IT2-ANFISは、トレーニング実行間のばらつきを著しく低減した第1次ANFISに匹敵する予測性能を達成する。
  論文  参考訳（メタデータ） (2026-01-26T19:10:37Z)
• Scenario-aware Uncertainty Quantification for Trajectory Prediction with Statistical Guarantees [16.41262478059784]
  本稿では,予測区間と信頼性評価を備えた予測トラジェクトリを提供するシナリオ認識不確実性定量化フレームワークを提案する。 実世界のnuPlanデータセットを用いてフレームワークの評価を行い、シナリオアウェアな不確実性定量化と信頼性評価の有効性を実証した。
  論文  参考訳（メタデータ） (2025-12-05T12:54:39Z)
• Confidence Aware Learning for Reliable Face Anti-spoofing [52.23271636362843]
  本稿では,その能力境界を意識した信頼認識顔アンチスプーフィングモデルを提案する。 各サンプルの予測中にその信頼性を推定する。 実験の結果,提案したCA-FASは予測精度の低いサンプルを効果的に認識できることがわかった。
  論文  参考訳（メタデータ） (2024-11-02T14:29:02Z)
• Provably Reliable Conformal Prediction Sets in the Presence of Data Poisoning [53.42244686183879]
  コンフォーマル予測は、モデルに依存しない、分布のない不確実性定量化を提供する。 しかし、敵が訓練データと校正データを操作した場合の毒殺攻撃では、共形予測は信頼性が低い。 信頼性予測セット (RPS): 汚染下での信頼性保証を証明可能な共形予測セットを構築するための最初の効率的な方法を提案する。
  論文  参考訳（メタデータ） (2024-10-13T15:37:11Z)

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。