論文の概要: Time-Aware Validation of Machine Learning Fuel Consumption Models: Evidence from 1\,Hz Operational Data, CCGS \textit{Sir Wilfrid Laurier}
- arxiv url: http://arxiv.org/abs/2608.16833v1
- Date: Mon, 17 Aug 2026 17:18:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.817308
- Title: Time-Aware Validation of Machine Learning Fuel Consumption Models: Evidence from 1\,Hz Operational Data, CCGS \textit{Sir Wilfrid Laurier}
- Title（参考訳）: 機械学習燃料消費モデルの時間的検証:1\,Hz運転データ,CCGS \textit{Sir Wilfrid Laurier}からの証拠
- Abstract要約: 船舶の燃料消費予測は、船の運転最適化、排出予測、持続可能な海上輸送のための意思決定支援システム(DSS)をサポートする。
過去20年間に多くのデータ駆動型燃料モデルが開発されてきたが、批判的かつ見過ごされがちな限界は検証の実践にある。
本稿では,時間認識評価,特に時系列クロスバリデーション(TSCV)とブロックされたTSCVのギャップについて検討する。
- 参考スコア（独自算出の注目度）: 0.41942958779358674
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ship fuel consumption (SFC) prediction supports vessel operation optimisation, emissions estimation, and decision support systems (DSS) for sustainable maritime transportation. Numerous data-driven fuel models have been developed over the past two decades, but a critical and often overlooked limitation lies in their validation practices: most studies evaluate performance using random train--test splits, which, applied to high-frequency records, admit temporal leakage and yield optimistic results that do not reflect deployment conditions. This paper examines that gap using time-aware evaluation, specifically Time Series Cross-Validation (TSCV) and Blocked TSCV (BTSCV). Using the Canadian Coast Guard Ship (CCGS) \textit{Sir Wilfrid Laurier} as a case study, six regression models and a physics baseline are tuned under three time-aware schemes and three feature configurations, then evaluated on a common chronological hold-out set drawn from approximately 3.88 million steady-state 1\,Hz records.
- Abstract（参考訳）: 船舶燃料消費(SFC)予測は、持続可能な海上輸送のための船舶運転の最適化、排出予測、意思決定支援システム(DSS)をサポートする。
過去20年間に多くのデータ駆動型燃料モデルが開発されてきたが、批判的かつしばしば見落とされがちな制限は、彼らの検証プラクティスにある。ほとんどの研究は、ランダムトレイン-テストスプリットを使用してパフォーマンスを評価し、高周波記録に適用し、時間的リークを認め、配置条件を反映しない楽観的な結果をもたらす。
本稿では,時間認識評価,特に時系列クロスバリデーション(TSCV)とBlocked TSCV(BTSCV)のギャップについて検討する。
カナダ沿岸警備船 (CCGS) \textit{Sir Wilfrid Laurier} をケーススタディとして、6つの回帰モデルと物理ベースラインを3つのタイムアウェアスキームと3つの特徴構成に基づいて調整し、約388万の定常状態1\,Hzの記録から得られた共通の時系列保持セットに基づいて評価する。
関連論文リスト
- 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) - An Asynchronous Two-Speed Kalman Filter for Real-Time UUV Cooperative Navigation Under Acoustic Delays [22.41476754687808]
無人水中車両(UUV)は、無人水中車両(UUV)が致命的な漂流に悩まされる。
拡張カルマンフィルタ (EKF) やアンセントカルマンフィルタ (Unscented Kalman Filters, UKF) のような従来のフィルタは、遅延したデータを待っている間、主制御ループをブロックする。
変分履歴蒸留(VHD)と呼ばれる新しいプロジェクション機構により強化された非同期2速カルマンフィルタ(T)を提案する。
論文 参考訳（メタデータ） (2026-04-03T08:43:25Z) - SCALE:Scalable Conditional Atlas-Level Endpoint transport for virtual cell perturbation prediction [46.645872209565574]
仮想セル摂動予測のための大規模基盤モデルを提案する。
まず、データスループットを大幅に改善するBioNeMoベースのトレーニングおよび推論フレームワークを構築します。
第二に、摂動予測を条件付き輸送として定式化し、それをセットアウェアフローアーキテクチャで実装する。
第3に,生物学的に有意な指標に基づく厳密なセルレベルプロトコルを用いて,Tahoe-100Mのモデルを評価する。
論文 参考訳（メタデータ） (2026-03-18T05:51:08Z) - Data-Driven Trajectory Imputation for Vessel Mobility Analysis [36.24770606535992]
自動識別システム(AIS)は、何十万もの船舶のリアルタイム監視を可能にし、毎日大量のデータを生成する。
AISデータを使用する際の大きな課題の1つは、しばしばカバー範囲の制限や意図的な送信中断によって引き起こされる、血管軌道における大きなギャップの存在である。
本稿では,H3 Aggregation-based Imputation framework for vessel Trajectoriesを提案する。
論文 参考訳（メタデータ） (2026-02-12T12:40:27Z) - Reduced-Order Surrogates for Forced Flexible Mesh Coastal-Ocean Models [0.0]
本稿では,気象強制と境界条件を組み込んだフレキシブルなクープマンオートエンコーダを提案する。
性能をPODベースのサロゲートと体系的に比較する。
論文 参考訳（メタデータ） (2026-02-05T07:59:58Z) - Time-Series Anomaly Classification for Launch Vehicle Propulsion Systems: Fast Statistical Detectors Enhancing LSTM Accuracy and Data Quality [0.0]
本稿では,マハラノビス距離と前方後方検出率に基づいて,教師付きトレーニングラベルの調整を行う新しい統計検出器を提案する。
実験1回あたり20.8分間の運転時間とO(108)の訓練時間を有する地上段推進システムのディジタルツインシミュレーションについて実験を行った。
論文 参考訳（メタデータ） (2026-01-07T23:43:27Z) - Learning-based Radio Link Failure Prediction Based on Measurement Dataset in Railway Environments [46.243901410461596]
CNN、LSTM、XGBoost、Anomaly Transformer、PatchTST、TimesNetの6つのモデルをベンチマークする。
その結果,商用デバイスで利用可能な軽量機能を用いて,信頼性の低下を事前に予測できることが示唆された。
論文 参考訳（メタデータ） (2025-11-12T00:13:37Z) - CoReVLA: A Dual-Stage End-to-End Autonomous Driving Framework for Long-Tail Scenarios via Collect-and-Refine [73.74077186298523]
CoReVLAは、自動運転のための継続的学習フレームワークである。
データコレクションとビヘイビアリファインメントの2段階プロセスを通じて、ロングテールシナリオのパフォーマンスを改善する。
CoReVLAは72.18のドライビングスコア(DS)と50%の成功率(SR)を達成し、7.96DSの最先端手法と15%SRの長期的安全クリティカルシナリオで性能を向上する。
論文 参考訳（メタデータ） (2025-09-19T13:25:56Z) - FASTopoWM: Fast-Slow Lane Segment Topology Reasoning with Latent World Models [75.28505955393591]
レーンセグメント推論は、総合的な鳥眼ビュー(BEV)ロードシーン理解を提供する。
ストリームベースの時間的伝搬法は,クエリレベルとBEVレベルの両方に時間的手がかりを組み込むことで,有望な結果を示した。
FASTopoWMは、潜在世界モデルで拡張された新しい高速スローレーンセグメント推論フレームワークである。
論文 参考訳（メタデータ） (2025-07-31T08:12:56Z) - LiveVal: Time-aware Data Valuation via Adaptive Reference Points [21.141664917477257]
提案するLiveValは,3つの重要な設計を持つ効率的な時間認識データ評価手法である。
LiveValは、さまざまなモダリティとモデルスケールにわたる効率的なデータバリュエーションを提供し、従来のメソッドよりも180のスピードアップを実現している。
論文 参考訳（メタデータ） (2025-02-14T12:41:20Z) - Fine-Tuning Pre-trained Large Time Series Models for Prediction of Wind Turbine SCADA Data [6.296946118570559]
本稿では,風力タービンから収集したSCADAデータの予測における,事前学習型大時系列モデルであるTimerの適用について検討する。
このモデルは、異なる特性を示す2つの風力発電所から得られたデータセットに基づいて微調整された。
論文 参考訳（メタデータ） (2024-11-30T09:00:24Z) - Mitigating Data Redundancy to Revitalize Transformer-based Long-Term Time Series Forecasting System [46.39662315849883]
本稿では,カリキュラム学習とメモリ駆動デコーダによる冗長性を緩和する新しいフレームワークであるCLMFormerを紹介する。
CLMFormerはTransformerベースのモデルを最大30%改善し、長距離予測の有効性を示している。
論文 参考訳（メタデータ） (2022-07-16T04:05:15Z)
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。