論文の概要: FireGraphNet: Sub-daily wildfire spread prediction with directed graph neural networks

• arxiv url: http://arxiv.org/abs/2610.19191v1
• Date: Tue, 13 Oct 2026 20:55:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.80965
• Title: FireGraphNet: Sub-daily wildfire spread prediction with directed graph neural networks
• Title（参考訳）: FireGraphNet: 有向グラフニューラルネットワークによる日次野火拡散予測
• Abstract要約: FireGraphNetは、有向H3グラフ上のノード分類として12時間の成長を定式化している。 衛星周辺での平均精度は1.7-1.9倍であり、カリフォルニアの火災実験で最強の1.62倍、州外の1.62倍である。
• 参考スコア（独自算出の注目度）: 1.0115510170423478
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wildfire decisions are made in hours, yet most learned spread models predict daily on targets including burned area. We propose FireGraphNet which formulates 12-hour growth as node classification on directed H3 graphs, with candidates ahead of the front and wind alignment, terrain, fuel continuity and barriers on edges. On satellite perimeters it achieves average precision 1.7-1.9x the strongest distance baseline on test California fires and 1.62x out of state. We show this skill comes from message passing rather than cell features or the aggregator, is highest on young fires in state, is carried deep along the wind by its edges, and is hidden by pooling. A convolutional network matches this ranking once trained on new growth, at worse calibration, so candidate construction, target definition, and aggregation shape conclusions about model skill. Editing fuel and barrier attributes reduces predicted spread more under guided than random placement, extending FireGraphNet to operational intervention analysis.
• Abstract（参考訳）: 野火は数時間で決定されるが、ほとんどの学習されたスプレッドモデルは、焼かれた地域を含む目標を毎日予測している。 配向H3グラフ上でのノード分類として12時間の成長を定式化したFireGraphNetを提案する。 衛星周辺での平均精度は1.7-1.9倍であり、カリフォルニアの火災実験で最強の1.62倍、州外の1.62倍である。 この技術はセルの特徴やアグリゲータではなくメッセージパッシングによってもたらされ、州内の若い火災が最も多く、その端によって風に沿って深く運ばれ、プールによって隠されていることを示す。 畳み込みネットワークは、モデルスキルに関する候補構築、ターゲット定義、集約形状の結論を、より悪いキャリブレーションで、新しい成長のトレーニングを受けたときのこのランクと一致する。 燃料とバリア属性の編集は、ランダムな配置よりも導かれる範囲の広がりを減らし、FireGraphNetを運用介入分析に拡張する。

関連論文リスト

• Annual Earth-observation embeddings encode wildfire disturbance and support simplified burned area mapping [0.0]
  既存の方法では、キュレートされた火特有の画像や、密集した時系列分析が必要である。 ここでは, 毎年恒例の地球観測埋没地が, いずれの必要もなく, 燃え尽きる地域を地図化するのに十分な山火事発生信号を保持するかどうかを検証した。 TesseraとAlphaEarthの埋め込みを用いて、各バーンカーのデライン化、地域内の全同年火災のマッピング、地域壁と壁のマッピング、大陸間移動、年内火災のタイミングを調べた。
  論文  参考訳（メタデータ） (2026-09-22T06:05:46Z)
• A Nationwide Benchmark for Wildfire Initial Attack Failure Prediction with Public Environmental Data [62.031815260604056]
  我々は, 火災発見時に利用可能な環境および状況データから, 初期攻撃(IA)障害予測のための米国初の全国規模のベンチマークを提示する。 WILDFIREIAは、自然発生のFPA-FODの山火事を、FIRMS/VIIRS熱検出、グリッドMET気象および消火器変数、LANDFIRE植生、燃料、地形とともに38,128回調整した。 その結果,IA故障予測には,公共の発見時データが有用だが不完全な信号を提供することがわかった。
  論文  参考訳（メタデータ） (2026-06-14T01:03:13Z)
• Predicting the Containment Time of California Wildfires Using Machine Learning [0.0]
  われわれはカリフォルニアの山火事を完全に抑えるのに必要な日数を予測するために機械学習モデルを構築した。 本研究では,Long Short-Term Memory(LSTM)ニューラルネットワークを用いて,ベースラインアンサンブル回帰器,ランダムフォレスト,XGBoostの性能を比較した。
  論文  参考訳（メタデータ） (2025-12-10T17:14:20Z)
• Cluster-Aware Attacks on Graph Watermarks [50.19105800063768]
  本稿では,コミュニティ誘導型修正を回避できるクラスタ・アウェア・脅威モデルを提案する。 その結果,クラスタ・アウェア・アタックは,ランダムなベースラインよりも最大80%の精度でアトリビューション精度を低下させることができることがわかった。 グラフコミュニティにまたがる透かしノードを分散する軽量な埋め込み拡張を提案する。
  論文  参考訳（メタデータ） (2025-04-24T22:49:28Z)
• FireCastNet: Earth-as-a-Graph for Seasonal Fire Prediction [2.748450182087935]
  本稿では,3次元畳み込みエンコーダとGraphCastを組み合わせた新しいアーキテクチャFireCastNetを提案する。 FireCastNetは、異なる空間スケールと時間スケールで、山火事につながるコンテキストをキャプチャするために訓練されている。 本研究は,燃えている地域の存在を予測するためのモデルの有効性を評価することに焦点を当てた。
  論文  参考訳（メタデータ） (2025-02-03T17:30:45Z)
• Fire-Image-DenseNet (FIDN) for predicting wildfire burnt area using remote sensing data [15.516417504988313]
  深層学習に基づく予測モデルFire-Image-DenseNet(FIDN)を開発した。 FIDNは、山火事の環境および気象要因に関する、ほぼリアルタイムおよび再分析データから得られた空間的特徴を用いる。 平均二乗誤差 (MSE) は, 細胞オートマトン (CA) と最小走行時間 (MTT) に基づく予測モデルよりも約82%, 67%低い値を示した。
  論文  参考訳（メタデータ） (2024-12-02T11:35:31Z)
• Generative Algorithms for Fusion of Physics-Based Wildfire Spread Models with Satellite Data for Initializing Wildfire Forecasts [0.0]
  衛星による火災検出の最近の進歩は、火災拡散予測を改善するために測定を使用する機会を与えている。 本研究は,衛星観測から山火事の歴史を推定する手法を開発した。
  論文  参考訳（メタデータ） (2023-09-05T23:24:34Z)
• Model Inversion Attacks against Graph Neural Networks [65.35955643325038]
  グラフニューラルネットワーク(GNN)に対するモデル反転攻撃について検討する。 本稿では,プライベートトレーニンググラフデータを推測するためにGraphMIを提案する。 実験の結果,このような防御効果は十分ではないことが示され,プライバシー攻撃に対するより高度な防御が求められている。
  論文  参考訳（メタデータ） (2022-09-16T09:13:43Z)
• Line Graph Neural Networks for Link Prediction [71.00689542259052]
  実世界の多くのアプリケーションにおいて古典的なグラフ解析問題であるグラフリンク予測タスクについて検討する。 このフォーマリズムでは、リンク予測問題をグラフ分類タスクに変換する。 本稿では,線グラフをグラフ理論に用いて,根本的に異なる新しい経路を求めることを提案する。 特に、線グラフの各ノードは、元のグラフのユニークなエッジに対応するため、元のグラフのリンク予測問題は、グラフ分類タスクではなく、対応する線グラフのノード分類問題として等価に解決できる。
  論文  参考訳（メタデータ） (2020-10-20T05:54:31Z)
• Scaling Graph Neural Networks with Approximate PageRank [64.92311737049054]
  GNNにおける情報拡散の効率的な近似を利用したPPRGoモデルを提案する。 高速であることに加えて、PPRGoは本質的にスケーラブルであり、業界設定で見られるような大規模なデータセットに対して、自明に並列化することができる。 このグラフのすべてのノードに対するPPRGoのトレーニングとラベルの予測には1台のマシンで2分未満で、同じグラフ上の他のベースラインをはるかに上回ります。
  論文  参考訳（メタデータ） (2020-07-03T09:30:07Z)
• GPS-Net: Graph Property Sensing Network for Scene Graph Generation [91.60326359082408]
  シーングラフ生成(SGG)は、画像内のオブジェクトとそれらのペア関係を検出することを目的としている。 GPS-Netは、エッジ方向情報、ノード間の優先度の差、長期にわたる関係の分布という、SGGの3つの特性を網羅している。 GPS-Netは、VG、OI、VRDの3つの一般的なデータベース上での最先端のパフォーマンスを、さまざまな設定とメトリクスで大幅に向上させる。
  論文  参考訳（メタデータ） (2020-03-29T07:22:31Z)

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。