論文の概要: Multi-Source Dynamic Graph Learning for Compound-Flood Forecasting in Managed Coastal Systems

• arxiv url: http://arxiv.org/abs/2608.01775v1
• Date: Mon, 03 Aug 2026 06:48:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.361993
• Title: Multi-Source Dynamic Graph Learning for Compound-Flood Forecasting in Managed Coastal Systems
• Title（参考訳）: 沿岸管理システムにおける複合洪水予測のためのマルチソース動的グラフ学習
• Abstract要約: 複数のモニタリングステーションで観測された水文条件と水管理活動に影響される。 現在の予測モデルは, 平均誤差の低い時間依存性を捉えることができるが, 地球規模の誤差指標は, 長期間の高水高原の再生不良を隠蔽する可能性がある。 本研究は、状態依存および鉛依存の有界残差補正を通じて、クロスサイト情報を組み込むアンカード予測フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 14.68802969969726
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Compound flooding in managed coastal systems is influenced by hydrological conditions and water-management activity observed across multiple monitoring stations. Current forecasting models can capture temporal dependencies with low average errors, but global error metrics may conceal poor reproduction of prolonged high-water plateaus that are relevant to flood early warning. Because hydrometeorological and operational signals are distributed across heterogeneous gages, single-site records do not fully represent high-water dynamics. Nevertheless, unconstrained fusion of cross-site signals can degrade the stability of local temporal forecasts. This work proposes an anchored forecasting framework that incorporates cross-site information through state- and lead-dependent bounded residual corrections. A multi-source regime representation constructed from hydrometeorological and operational observations adaptively calibrates inter-site relationships and correction scales, enabling targeted cross-site adjustment while preserving the local temporal forecast as a stable anchor. Beyond conventional global error statistics, we evaluate event-scale high-water characteristics through the temporal alignment of forecasted and observed high-water processes. Experiments demonstrate that selectively integrating multi-station dynamic conditions improves the prediction reliability of sustained high-water plateaus while maintaining high accuracy during routine hydrological conditions, supporting flood early warning and water-management decision support.
• Abstract（参考訳）: 複数のモニタリングステーションで観測された水文条件と水管理活動に影響される。 現在の予測モデルは, 平均誤差の低い時間依存性を捉えることができるが, 地球規模の誤差指標は, 早期警戒に関係する長期間の高水高原の再生不良を隠蔽する可能性がある。 水理学的および操作的信号は異種ゲージに分散しているため、単一サイトレコードはハイウォーターダイナミクスを完全に表現していない。 それでも、クロスサイト信号の非拘束融合は、局所的な時間的予測の安定性を低下させる可能性がある。 本研究は、状態依存および鉛依存の有界残差補正を通じて、クロスサイト情報を組み込むアンカード予測フレームワークを提案する。 地中関係と補正尺度を適応的に校正し, 局部的予測を安定的アンカーとして保存しつつ, 対象地間調整を可能にする。 従来のグローバルエラー統計以外にも,予測および観測されたハイウォーター過程の時間的アライメントを通じて,イベントスケールのハイウォーター特性を評価する。 実験により,マルチステーションの動的条件を選択的に統合することにより,連続的な水理条件下での精度を維持しつつ,持続する高水平原の予測信頼性が向上し,洪水早期警報と水管理決定支援が可能であることが示された。

関連論文リスト

• PCSDiff: Diffusion-Based Bias Correction and Super Resolution Toward Practical Operational Medium-Term Precipitation Forecast [14.16711168258894]
  既存のAI補正技術には、マルチデイダイナミックバイアス進化と適切な気象制約のための専用のモデリングがない。 本研究は,10日間の降水バイアス補正とダウンスケーリングを対象とするタスク分離拡散フレームワークであるPCSDiffを紹介する。
  論文  参考訳（メタデータ） (2026-09-07T02:24:57Z)
• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• Transformer-based Diffusion models for Hydrological Time Series Probabilistic Imputation and Forecasting [27.151780750119556]
  観測が限られている水文気象時系列のモデリングは、水系や水資源のモニタリングにおいて重要な課題である。 近年のディープラーニングの進歩は、複雑な時間過程の表現と生成を改善するための有望な方向を提供する。 本研究では, 変圧器を用いた拡散モデルによる水文時系列のシミュレーションと再構成について検討した。
  論文  参考訳（メタデータ） (2026-07-23T11:19:27Z)
• Physics-Guided Spatiotemporal Learning for Coastal Wave Peak Period Estimation from Video [0.273483625670596]
  このフレームワークは、自動時間変動に基づく関心領域検出、多段階Sim-to-Real変換学習、および物理インフォームド正規化を組み合わせたものである。 提案フレームワークは,長期間の沿岸波モニタリングのための物理誘導型ビデオベース深層学習システムの実現可能性を示す。
  論文  参考訳（メタデータ） (2026-06-11T12:54:35Z)
• Tyche: One Step Flow for Efficient Probabilistic Weather Forecasting [48.263481135566316]
  我々は,効率的な確率的天気予報のための一段階条件付き流れモデルであるTycheを提案する。 ERA5の1.5ドル(約1万2000円)と6時間の解像度での実験では、たった1つのNFEを使って、最先端の多段階生成ベースラインの予測スキルとキャリブレーションを一致または超過していることが示されています。
  論文  参考訳（メタデータ） (2026-05-07T20:25:28Z)
• Harmonizing the Deep: A Unified Information Pipeline for Robust Marine Biodiversity Assessment Across Heterogeneous Domains [0.769971486557519]
  この研究は、北極と大西洋の海洋生態系を対象とする多年にわたる侵略的な種モニタリングイニシアチブの基礎的な検出層を確立する。 異種データセットを同等の情報フローに標準化する統一情報パイプラインを開発した。 シーン構成やオブジェクト密度,コンテキスト冗長性などの構造的要因から,ドメイン間の性能損失が説明できる。
  論文  参考訳（メタデータ） (2026-01-20T13:51:55Z)
• CauSTream: Causal Spatio-Temporal Representation Learning for Streamflow Forecasting [7.693401294814023]
  我々はCauSTreamと呼ばれるストリームフロー予測のための統合因果学習フレームワークを提案する。 CauSTreamは、気象フォース間の流出因果グラフと、ステーション間の動的依存関係をキャプチャするルーティンググラフを学習する。 我々は,3つの予測地平線にまたがる3つの米国河川流域におけるCauSTreamの評価を行った。
  論文  参考訳（メタデータ） (2025-12-18T00:07:23Z)
• Physics-guided Emulators Reveal Resilience and Fragility under Operational Latencies and Outages [0.0]
  我々はGlobal Flood Awareness System(GloFAS)の運用可能なエミュレータを開発した。 我々はGloFASの水理コアを再生し、情報品質が低下するにつれて滑らかに劣化する。 このフレームワークは、水文機械学習の計測可能な特性として、運用上の堅牢性を確立する。
  論文  参考訳（メタデータ） (2025-10-21T11:25:31Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2023-10-17T20:30:16Z)
• Streaming Motion Forecasting for Autonomous Driving [71.7468645504988]
  ストリーミングデータにおける将来の軌跡を問うベンチマークを導入し,これを「ストリーミング予測」と呼ぶ。 我々のベンチマークは本質的に、スナップショットベースのベンチマークでは見過ごされていない安全上の問題であるエージェントの消失と再出現を捉えている。 我々は,任意のスナップショットベースの予測器をストリーミング予測器に適応させることのできる,"Predictive Streamer"と呼ばれるプラグアンドプレイメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-02T17:13:16Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2022-06-16T06:13:53Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。