論文の概要: Predictors and Orchestrators: Parsimonious Machine Learning within an Agentic AI Harness for Multi-Horizon Karst Aquifer Forecasting

• arxiv url: http://arxiv.org/abs/2609.22251v1
• Date: Sun, 06 Sep 2026 03:06:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.80516
• Title: Predictors and Orchestrators: Parsimonious Machine Learning within an Agentic AI Harness for Multi-Horizon Karst Aquifer Forecasting
• Title（参考訳）: 予測器とオーケストレータ:マルチ水平カーストアクアファー予測のためのエージェントAIハーネス内のパシモニアス機械学習
• Abstract要約: 本研究は,テキサス州の湧水および地下水位を1～12週間前に予測するためのデプロイメント対応フレームワークを開発し,評価する。 極度の勾配上昇は一貫して最も信頼性が高かった。 深層モデルは短い地平線で競争力があったが、徐々に劣化し、長いリードタイムで孤立した失敗を見せた。
• 参考スコア（独自算出の注目度）: 3.0105723746072997
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Forecasting karst aquifer dynamics is difficult because recharge responses are nonlinear, event-driven, and governed by strongly heterogeneous flow paths. This study develops and evaluates a deployment-aware framework for 1-12-week-ahead prediction of spring discharge and groundwater level using approximately 79 years of hydroclimatic observations from the Edwards Aquifer, Texas. Five model families were compared under a common temporal evaluation design: extreme gradient boosting, extremely randomized trees, long short-term memory, convolutional neural networks, and Transformers. Predictions were evaluated using coefficient of determination, Kling-Gupta efficiency, root-mean-square error, and agreement with operational drought thresholds. Extreme gradient boosting was consistently most reliable, with R2 at least 0.97, 0.96, and 0.94 across 1-4-, 5-8-, and 9-12-week horizons, respectively, and greater than 90% critical-stage agreement at the first three drought stages across all horizons. Deep models were competitive at short horizons but degraded progressively and exhibited isolated failures at longer lead times. We attribute this contrast to an alignment between tree partitioning and low-dimensional, axis-aligned hydroclimatic predictors, together with the tendency of neural models to smooth irregular extremes. The validated models were embedded in a five-agent operational architecture that automates data acquisition, model assignment, deterministic prediction, threshold monitoring, prospective verification, literature retrieval, and reporting. The contribution is therefore a transferable framework joining parsimonious model selection, leakage-aware multi-horizon evaluation, decision-relevant threshold skill, and auditable agentic automation.
• Abstract（参考訳）: チャージ応答は非線形であり、イベント駆動であり、強いヘテロジニアスな流れ経路によって制御されるため、カルスト帯水層力学の予測は困難である。 本研究は,テキサス州エドワーズ帯水層における約79年間の温暖化観測を用いて,春期降水量と地下水位を1～12週間前に予測するフレームワークを開発し,評価した。 5つのモデルファミリーは、極端な勾配上昇、極端にランダム化された木、長い短期記憶、畳み込みニューラルネットワーク、トランスフォーマーという、共通の時間的評価設計の下で比較された。 予測は, 決定係数, Kling-Gupta効率, root-mean-square誤差, および運転干ばつ閾値との一致を用いて評価した。 R2は少なくとも0.97、0.96、0.94、それぞれ1-4-、5-8-、9-12週間の地平線にまたがっており、全ての地平線にまたがる最初の3回の干ばつで90%以上の臨界段階の合意が得られた。 深層モデルは短い地平線で競争力があったが、徐々に劣化し、長いリードタイムで孤立した失敗を見せた。 この対比は,木分割と低次元,軸方向の温暖化予測器との整合性,およびスムーズな不規則極性へのニューラルモデルの傾向に起因している。 検証されたモデルは、データ取得、モデル割り当て、決定論的予測、しきい値監視、予測検証、文献検索、レポートを自動化する5エージェントの運用アーキテクチャに埋め込まれた。 この貢献は、擬似モデル選択、リーク対応マルチホライゾン評価、決定関連しきい値スキル、監査可能なエージェント自動化と結合する伝達可能なフレームワークである。

関連論文リスト

• HydroAgent: Closing the Gap Between Frontier LLMs and Human Experts in Hydrologic Model Calibration via Simulator-Grounded RL [6.680830184790049]
  分散水理モデルの校正は、運用水資源管理における重要なボトルネックである。 我々は、フロンティア大言語モデル(LLM)エージェントが人間の水理モデルに取って代わることができ、そうでなければ何が必要かと尋ねる。 我々は,アメリカ国立気象局がフラッシュフロード予測のために使用しているCREST分散水理モデル上で,9つのフロンティアLSMエージェントをベンチマークした。
  論文  参考訳（メタデータ） (2026-05-18T03:17:38Z)
• 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)
• SynCast: Synergizing Contradictions in Precipitation Nowcasting via Diffusion Sequential Preference Optimization [62.958457694151384]
  本研究では,大規模な言語モデルにおける人的フィードバックからの強化学習の成功を動機として,降水量の最適化を初めて導入する。 第一段階では、フレームワークはFARを減らすことに焦点を当て、誤報を効果的に抑えるためにモデルを訓練する。
  論文  参考訳（メタデータ） (2025-10-22T16:11:22Z)
• 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)

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。