論文の概要: Data-driven Optimal Sensor Placement for Aerosol Monitoring in the UK

• arxiv url: http://arxiv.org/abs/2610.12658v1
• Date: Thu, 08 Oct 2026 19:25:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.258656
• Title: Data-driven Optimal Sensor Placement for Aerosol Monitoring in the UK
• Title（参考訳）: 英国におけるエアロゾルモニタリングのためのデータ駆動型最適センサ配置
• Abstract要約: 遅延評価とキャッシュによる遺伝的最適化は平均計算時間を60%削減する。 ジョイントNLLは、エアロゾルステーションの5箇所が特定された後、ジョイントMIによる遺伝子配置において約22%改善する。
• 参考スコア（独自算出の注目度）: 36.48638872837565
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We develop a data-driven sensor-placement framework and apply it to aerosol monitoring in the United Kingdom (UK). A trained convolutional Gaussian neural process is embedded within the DeepSensor optimisation framework. Genetic optimisation with lazy evaluation and caching reduces mean computational time by 60\% (10$\pm$3 versus 25$\pm$7 minutes) while producing sequential placement performance comparable to the greedy solver. Using the CAMS reference field to construct a retrospective oracle benchmark, Joint NLL improves by about 22\% for Joint-MI-driven genetic placement after five locations for aerosol stations are identified. Seasonal and wind-regime analyses show that agreement between model-based criteria and oracle benchmarks varies with meteorological transport conditions. These results show a computationally efficient approach for data-informed expansion of environmental observing systems.
• Abstract（参考訳）: データ駆動型センサ配置フレームワークを開発し、英国(イギリス)のエアロゾル監視に適用する。 訓練された畳み込みガウスニューラルプロセスは、DeepSensor最適化フレームワークに組み込まれている。 遅延評価とキャッシュによる遺伝的最適化により、平均計算時間を60\%(10$\pm$3対25$\pm$7分)削減し、グレディソルバに匹敵するシーケンシャルな配置性能が得られる。 CAMS基準場を用いて,5箇所のエアロゾルステーションが同定された後,ジョイントNLLは,ジョイントMIによる遺伝子配置の約22.5%向上した。 季節的・風速調査では, モデルベース基準とオラクルの基準との一致が気象学的輸送条件によって異なることが示された。 これらの結果は, 環境観測システムのデータインフォームド展開に対する計算学的に効率的なアプローチを示す。

関連論文リスト

• Benchmarking Generative Models for Near-Surface Data Assimilation on Real Station Observations [6.656395692721108]
  本稿では,気象観測所の観測から得られた1時間近地解析のための生成データ同化の最初のベンチマークを示す。 このベンチマークは、従来の3D-Varベースラインに対して生成データ同化のために提案された主要な設計選択と比較する。 完全な段階的なガイダンスは、停止段階と初期ノイズ最適化を一貫して上回る。
  論文  参考訳（メタデータ） (2026-09-30T21:18:39Z)
• Optimizing Sensor Placement for Hydrogen Leak Detection in Enclosed Infrastructure: A Comparative Study Using CFD-informed Genetic Algorithm and DeepSets Neural Surrogate [0.2624902795082451]
  囲まれた環境における水素のインフラは、重大な安全上の課題を呈している。 現在の監視システムは、主に反応性があり、有害な濃度が形成された後のみ漏れを検出する。 本研究では,能動型センサ配置最適化のための計算フレームワークを開発する。
  論文  参考訳（メタデータ） (2026-07-20T07:59:48Z)
• Echo State Networks for Time Series Forecasting: Hyperparameter Sweep and Benchmarking [51.56484100374058]
  我々は、完全に自動で純粋にフィードバック駆動のESNが、広く使われている統計的予測手法の代替となるかどうかを評価する。 予測精度は、MASEとsMAPEを用いて測定され、ドリフトや季節予測、統計モデルといった単純なベンチマークと比較される。
  論文  参考訳（メタデータ） (2026-02-03T16:01:22Z)
• A new framework for calibrating COVID-19 SEIR models with spatial-/time-varying coefficients using genetic and sliding window algorithms [5.033966447393941]
  サセプティブル感染除去モデル(SEIR)は、非薬剤的介入(NPI)がCOVID-19の流行の地域的および時間的分布に与える影響をモデル化するために、空間的・時間的に異なる係数を仮定する。 SEIRモデルの空間/時間変化パラメータを最適化するための新しい校正フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-13T15:27:30Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)

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。