論文の概要: Aerial Wildfire Suppression Planning with a Hybrid CNN-Cellular Automata Fire Model

• arxiv url: http://arxiv.org/abs/2606.13633v1
• Date: Thu, 11 Jun 2026 17:42:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.960984
• Title: Aerial Wildfire Suppression Planning with a Hybrid CNN-Cellular Automata Fire Model
• Title（参考訳）: ハイブリッドCNNセルオートマタ火災モデルによる空中消火計画
• Authors: Ion Matei, Maksym Zhenirovskyy, Takuya Kurihana, Rohit Vupala, Anthony Wong,
• Abstract要約: 本稿では,空中火災抑制のためのモデリングと最適化の枠組みについて述べる。 このフレームワークは、ハイブリッドなニューラルセルオートマトン・ワイルドファイアモデルと、目標とする空中滴の勾配に基づく設計を組み合わせる。 2020年ベアファイアに基づくケーススタディでは、このフレームワークは総火害面積を減らすために、コヒーレントな空中抑制スケジュールを生成することができる。
• 参考スコア（独自算出の注目度）: 1.743048013936118
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Aerial wildfire suppression requires not only predicting fire spread, but also designing effective intervention strategies under operational and environmental uncertainty. We present a modeling and optimization framework for aerial wildfire suppression that combines a hybrid neural-cellular automaton wildfire model with gradient-based design of targeted aerial drops. The wildfire model predicts spatially varying spread behavior from terrain, fuel, and wind data, while the intervention module determines binary drop actions with continuous-valued location and orientation parameters mapped to the simulation grid. Water and retardant are represented with distinct suppression effects, corresponding to immediate reduction of active burning and persistent reduction of future spread. To evaluate the robustness of the resulting suppression plans, we quantify both aleatoric uncertainty through Monte Carlo sampling of daily fire-state realizations and epistemic uncertainty through spatially correlated prediction-error perturbations. A case study based on the 2020 Bear Fire shows that the framework can generate coherent aerial suppression schedules for reducing total fire-affected area and can support uncertainty-aware analysis of wildfire intervention strategies.
• Abstract（参考訳）: 航空機による山火事の抑制は、火災の拡散を予測するだけでなく、運用および環境の不確実性の下で効果的な介入戦略を設計する必要がある。 本稿では,ハイブリッド型ニューラルセルオートマトン・ワイルドファイアモデルと目標空滴の勾配に基づく設計を組み合わせた空中火災抑制のためのモデリングおよび最適化フレームワークを提案する。 森林火災モデルでは地形, 燃料, 風速データから空間的に変化する拡散挙動を予測し, 介入モジュールはシミュレーショングリッドにマッピングされた連続的な値の場所と向きのパラメータで2値の落下動作を決定する。 水と難燃剤は、活性燃焼の即時減少と将来の拡散の持続的減少に対応する、異なる抑制効果で表される。 得られた抑制計画のロバスト性を評価するため,モンテカルロによる毎日の火災状態の解明と,空間相関予測・エラー摂動によるてんかんの不確かさの定量化を行った。 2020年ベアファイアをベースとしたケーススタディでは、このフレームワークは総火害面積を減らすためのコヒーレントな空中抑制スケジュールを作成でき、山火事介入戦略の不確実性を考慮した分析を支援することができる。

関連論文リスト

• Bridging Predictive Uncertainty and Safe Action: Sample-Conditioned Differentiable Planning for Autonomous Driving [46.91409391705346]
  複雑でダイナミックでインタラクティブな運転環境は、自動運転に重大な課題をもたらす。 現在のシステムにおける基本的なボトルネックは、高度に表現力のある不確実性モデリングと解釈可能な安全な動き計画との切り離しである。 本稿では, このギャップを埋めるために, 拡散生成将来の軌道を最適化プロセスに明示的に組み込む, サンプル条件付き微分可能計画フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-02T08:10:02Z)
• Predictive and Prescriptive AI toward Optimizing Wildfire Suppression [39.19025792909854]
  本稿では,乗組員の配置と山火事抑制を共同で最適化するための予測的,規範的アプローチを開発する。 この問題は、内因性山火事の需要と非線形山火事のダイナミクスを備えた個別の資源配置構造を特徴としている。 i) 消火計画と乗務員経路を反復的に生成する二面列生成方式, (ii) リンク制約のクナプサック構造を利用したカットの新たなファミリー, (iii) 非線形の山火事の動態に対応する新しい分岐規則を考案した。
  論文  参考訳（メタデータ） (2026-05-06T05:26:54Z)
• Probabilistic Forecasting of Localized Wildfire Spread Based on Conditional Flow Matching [0.0]
  本研究では, 条件付き流れマッチングアルゴリズムに基づく局所的な山火事拡散の確率的サロゲートモデルを提案する。 この手法は、着火時刻の条件分布を学習することにより、火災進行をプロセスとしてモデル化する。 以上の結果から, 火災発生の多様性を把握し, 正確なアンサンブル予測を行うことができた。
  論文  参考訳（メタデータ） (2026-03-27T20:39:02Z)
• Target Concept Tuning Improves Extreme Weather Forecasting [51.43578341469291]
  気象予報のための深層学習モデルは、台風のような珍しいが高影響の出来事でしばしば失敗する。 既存の微調整手法は、これらの極端な出来事を見落とし、全体的なパフォーマンスを犠牲にしてそれらを過度に適合させるというトレードオフに直面します。 モデルの改良によって上記の問題を解決するための,解釈可能な概念付き微調整フレームワークであるTaCTを提案する。
  論文  参考訳（メタデータ） (2026-03-17T15:34:05Z)
• Forecasting Fails: Unveiling Evasion Attacks in Weather Prediction Models [60.728124907335]
  本研究では,気象適応型対向摂動最適化(WAAPO)を紹介した。 WAAPOは、チャネルの間隔、空間的局所化、滑らかさの制約を取り入れ、摂動が物理的に現実的で知覚不能であることを保証することでこれを達成している。 我々の実験は、AI駆動予測モデルにおける重要な脆弱性を強調しており、初期状態への小さな摂動が大きな逸脱をもたらす可能性がある。
  論文  参考訳（メタデータ） (2025-12-09T17:20:56Z)
• Probabilistic Wildfire Spread Prediction Using an Autoregressive Conditional Generative Adversarial Network [0.13470973674919004]
  本研究では,確率的山火事拡散予測のための自己回帰的条件生成対向ネットワーク(CGAN)を提案する。 予測タスクを自己回帰問題として定式化することにより、モデルはシーケンシャルな状態遷移を学習し、長期的な予測安定性を確保する。 実験結果から,提案モデルが従来の深層学習モデルより優れており,火災周囲の予測精度と境界線が優れていることが示された。
  論文  参考訳（メタデータ） (2025-11-26T03:32:54Z)
• A Probabilistic Approach to Wildfire Spread Prediction Using a Denoising Diffusion Surrogate Model [3.151517598545164]
  本稿では,山火事の広がりを予測するための最初のデノナイズ拡散モデルを提案する。 そうすることで、山火事の動力学の本質的な不確実性が説明できる。 一つの予測を生成する決定論的アプローチとは異なり、我々のモデルは火が次に行く場所の物理的に意味のある分布を反映した予測の集合を生成する。
  論文  参考訳（メタデータ） (2025-07-01T14:04:06Z)
• PostCast: Generalizable Postprocessing for Precipitation Nowcasting via Unsupervised Blurriness Modeling [85.56969895866243]
  本稿では,ぼやけた予測とそれに対応する土台真実のペアによるトレーニングを必要とせずに,ぼやけを解消するための教師なしポストプロセッシング手法を提案する。 非条件相関を任意のぼかしモードに適応させるため、ゼロショットのぼかしカーネル推定機構とオートスケールの denoise ガイダンス戦略を導入する。
  論文  参考訳（メタデータ） (2024-10-08T08:38:23Z)
• Towards Understanding the Robustness of Diffusion-Based Purification: A Stochastic Perspective [65.10019978876863]
  拡散性浄化(DBP)は、敵の攻撃に対する効果的な防御機構として出現している。 本稿では,DBPプロセスの本質性がロバスト性を駆動する主要な要因であることを示す。
  論文  参考訳（メタデータ） (2024-04-22T16:10:38Z)
• Ada3Diff: Defending against 3D Adversarial Point Clouds via Adaptive Diffusion [70.60038549155485]
  ディープ3Dポイントクラウドモデルは敵攻撃に敏感であり、自律運転のような安全クリティカルなアプリケーションに脅威をもたらす。 本稿では,適応強度推定器と拡散モデルを用いて,プリスタンデータ分布を再構築できる新しい歪み認識型防衛フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-29T14:32:43Z)

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。