論文の概要: MorphoGP: A Nonparametric Framework for Predicting Equilibrium Beach Profiles Under Tidal Influence
- arxiv url: http://arxiv.org/abs/2608.18558v1
- Date: Wed, 19 Aug 2026 05:27:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.287588
- Title: MorphoGP: A Nonparametric Framework for Predicting Equilibrium Beach Profiles Under Tidal Influence
- Title（参考訳）: MorphoGP:潮流の影響下での平衡ビーチプロファイル予測のための非パラメトリックフレームワーク
- Authors: Xi Wu, Yanqing Wei, Hang Yin, Pengze Li, Hongshuai Qi, Xi Chen,
- Abstract要約: 本研究は,潮流の影響下での平衡海浜プロファイル(EBP)の予測を目的とした,カテゴリ固有のガウスプロセスフレームワークであるMorphoGPを提案する。
中国の海岸沿いの潮の影響のある海岸から180以上の海浜のプロファイルから得られたデータに基づいて評価した。
- 参考スコア（独自算出の注目度）: 7.4401157101581274
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The prediction of equilibrium beach profiles under tidal influence is of fundamental importance for sustainable coastal development, informing shoreline protection strategies and managing coastal ecosystems under changing environmental conditions. However, it remains challenging due to the highly nonlinear interactions among wave, tide, and sedimentary processes. Traditional empirical and numerical models often exhibit limited adaptability across diverse coastal environments, with especially pronounced limitations in beach systems where tidal processes are important . To improve data-driven prediction under these conditions, this study proposes MorphoGP, a unified category-specific Gaussian process framework for predicting equilibrium beach profiles (EBPs) under tidal influence. The framework first introduces a ContourCluster model based on contrastive learning to classify tide-influenced beach morphologies automatically. Within each morphological category, a specialized Gaussian process expert learns statistical associations between environmental descriptors including waves, tides, and sediments and the beach profile's shape. A Gating Net then integrates the outputs of all experts through a probabilistic weighting mechanism to produce the final prediction. Evaluated on data from over 180 beach profiles from tide-influenced coasts along the Chinese coast, MorphoGP achieves improved predictive performance compared with conventional and deep learning models, reducing the test RMSE by about 59.3\% compared with the best baseline and achieving a final RMSE of 0.297 m. The proposed framework provides a physically informed, data-driven tool for equilibrium beach-profile prediction under tidal influence and coastal management, while stronger process-level physical coupling remains an important direction for future development.
- Abstract（参考訳）: 潮流の影響下での平衡海浜分布の予測は, 持続可能な沿岸開発, 海岸線保護戦略, 環境条件の変化による沿岸生態系の維持に不可欠である。
しかし、波動、潮流、堆積過程の間の非常に非線形な相互作用のため、依然として困難である。
従来の経験的モデルや数値モデルでは、様々な沿岸環境において適応性に制限があることが多く、特に潮位過程が重要である海岸システムでは顕著な制限がある。
これらの条件下でのデータ駆動予測を改善するために, 潮流の影響下での平衡海浜プロファイル(EBP)を予測するための統合されたカテゴリー固有ガウスプロセスフレームワークであるMorphoGPを提案する。
このフレームワークはまず、潮の影響のあるビーチ形態を自動分類するコントラスト学習に基づくContourClusterモデルを導入する。
各形態カテゴリーの中で、専門のガウス過程の専門家は、波、潮、堆積物を含む環境記述子とビーチプロファイルの形状の間の統計的関連を学習する。
ゲーティングネットは、全ての専門家の出力を確率的重み付け機構を通じて統合し、最終的な予測を生成する。
モーフォGPは,中国沿岸沿岸の潮流による180以上の海浜プロファイルから,従来の学習モデルや深層学習モデルと比較して予測性能が向上し,最高ベースラインに比べて約59.3倍,最終RMSEは0.297mに低下した。
提案するフレームワークは,潮流の影響と沿岸管理下での海浜予測のための,物理的に情報を得たデータ駆動型ツールを提供する。
関連論文リスト
- Predicting Pseudo-nitzschia harmful algal blooms along the Portuguese Coast using satellite-derived predictors [69.38367341895632]
Pseudo-Nitzschia の珪藻は、海岸生態系やポルトガルの大西洋岸での収穫に繰り返しリスクをもたらす。
衛星由来の予測器を用いて有害な藻類発生を予測する機械学習フレームワークの開発と評価を行った。
論文 参考訳（メタデータ） (2026-07-08T18:14:24Z) - PCA-Enhanced Adaptive NVAR Framework for High-Resolution Sea Surface Temperature Forecasting in the East Sea [0.2446672595462589]
従来の数値モデルは信頼性のある予測を提供するが、高価であり、しばしばリアルタイムの予測には適さない。
本稿では,Adaptive Next-Generation Reservoir Computingフレームワークについて述べる。
本稿では,Singular Value Decomposition(Singular Value Decomposition)と組み合わせて,東海におけるSSTのダイナミクスを予測できる低次予測フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-10T14:34:13Z) - Leveraging an Atmospheric Foundational Model for Subregional Sea Surface Temperature Forecasting [0.0]
深層学習モデルを用いて,カナリア大水系における海水温度(SST)の予測を行う。
このモデルを高分解能海洋分析データを用いて微調整することにより、複雑なパターンを捉える能力を実証する。
このモデルは大規模なSST構造を再現することに成功したが、沿岸部でより細部を捉えることの難しさに直面している。
論文 参考訳（メタデータ） (2025-10-29T14:30:12Z) - KunPeng: A Global Ocean Environmental Model [5.565814778529731]
本研究では,KunPeng大洋環境予測モデルを構築し,気象学的な大規模モデル手法を海洋領域に移行した。
陸域境界における急勾配による発散を効果的に訓練するための地形適応型マスク拘束機構を提案する。
論文 参考訳（メタデータ） (2025-04-07T06:41:05Z) - Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。
最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。
我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
論文 参考訳（メタデータ） (2024-07-18T15:44:23Z) - Deep Vision-Based Framework for Coastal Flood Prediction Under Climate Change Impacts and Shoreline Adaptations [0.3413711585591077]
低データ環境下での高忠実度ディープビジョンに基づく沿岸洪水予測モデルを訓練するための体系的枠組みを提案する。
また,沿岸の洪水予測問題に特化して,CNNの深部構造を導入している。
開発したDLモデルの性能は、一般に採用されている測地回帰法に対して検証される。
論文 参考訳（メタデータ） (2024-06-06T19:54:34Z) - Using Deep Learning to Identify Initial Error Sensitivity for Interpretable ENSO Forecasts [0.0]
本稿では,ディープラーニングとモデル・アナログ予測を統合した解釈可能なモデル・アナログを提案する。
我々は,地域地球系モデルバージョン2大アンサンブルを用いて,季節ごとの時間スケールでエルニーニョ南部振動(ENSO)を予測する。
その結果,赤道太平洋海面温度異常の予測は9～12ヶ月で10%改善した。
論文 参考訳（メタデータ） (2024-04-23T18:10:18Z) - Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳（メタデータ） (2023-09-12T13:28:06Z) - SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to
Generate an Improved Ocean Model [72.3183990520267]
シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。
具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。
提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
論文 参考訳（メタデータ） (2021-06-24T17:29:42Z)
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。