論文の概要: Robust Ranking of Port Impacts from Impending Tropical Cyclones: A Two-Stage Recommendation System
- arxiv url: http://arxiv.org/abs/2611.07296v1
- Date: Thu, 05 Nov 2026 01:19:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.484831
- Title: Robust Ranking of Port Impacts from Impending Tropical Cyclones: A Two-Stage Recommendation System
- Title（参考訳）: 来るべき熱帯性サイクロンの港影響のロバストランキング:2段階勧告システム
- Abstract要約: 港湾当局はサイクロン後の検査を優先し、同じ事故で脅かされた港をまたいで回収資源を割り当てる。
これらのランキングは、港湾当局がサイクロン後の検査を優先順位付けし、同じイベントによって脅かされた港間で回復資源を割り当てるのに役立つ。
- 参考スコア（独自算出の注目度）: 14.01016313980884
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: When a tropical cyclone (TC) threatens several ports, preparedness planning depends on anticipating which ports are likely to be affected and where disruptions may last longest. Limited historical observations at individual ports and uncertainty in landfall location make these relative impacts difficult to estimate. We use a two-stage recommendation framework that first selects candidate ports based on their proximity to the expected landfall location and then ranks them by their estimated number of impact days. Using AIS-derived impact days for 37 ports and 31 TCs in the Gulf of Mexico study region, we compare three ways of representing port--cyclone interactions: pairwise feature interactions, tree-based feature combinations, and explicit feature crosses combined with learned embeddings. In tests on Hurricanes Nicole and Ian, the retrieval stage consistently identifies all observed affected ports under landfall uncertainty. Among the ranking models, Wide & Deep Learning achieves the closest agreement with the observed port rankings. Its mean ranking agreement exceeds that of the distance-based baseline by 85.5% for Nicole and 55.5% for Ian and is less sensitive to uncertainty in the landfall location. These rankings could help port authorities prioritize post-cyclone inspections and allocate recovery resources across ports threatened by the same event.
- Abstract（参考訳）: 熱帯性サイクロン (TC) がいくつかの港を脅かすと、どの港が影響を受けやすいか、最も長期にわたって破壊が続くかが予測される。
個々の港での限られた歴史的観測と上陸地点の不確実性により、これらの相対的な影響を推定することは困難である。
提案手法は2段階の推薦フレームワークを用いて,まず,想定した上陸地点に近い位置から候補港を選択し,その影響日数を推定した日数でランク付けする。
メキシコ湾岸調査海域の37港31都市を対象に,AIS由来の衝突日数を用いて,ポート-サイクロン相互作用を表す3つの方法(ペアワイド特徴相互作用,ツリーベース特徴組合せ,学習された埋め込みと組み合わせた明示的特徴クロス)を比較した。
Hurricanes Nicole と Ian の試験では、陸地不確実性の下で観測されたすべてのポートを連続的に特定する。
ランキングモデルの中で、ワイド・アンド・ディープ・ラーニングは観測されたポートランキングと最も近い一致を達成している。
平均的なランク付け合意は、ニコルが85.5%、イアンが55.5%、上陸地点の不確実性に敏感でない距離ベースラインを85.5%上回る。
これらのランキングは、港湾当局がサイクロン後の検査を優先順位付けし、同じイベントによって脅かされた港間で回復資源を割り当てるのに役立つ。
関連論文リスト
- Failure Recovery via Belief Updates and World Modeling for Long-Horizon Agents [58.51369178880458]
ロングホライゾンのエージェントは、何歩か前に発生した障害から回復するのに苦労することが多い。
本報告では, 検証試験における持続的証拠と, 補修方向に対する予測的推論を組み合わせた枠組みであるBELIEFWEAVERを紹介する。
論文 参考訳（メタデータ） (2026-10-13T10:05:06Z) - Learning to Plan from Random Exploration [52.35271095559327]
ランダム探索を用いて,目標が特定される前に,環境をどう移動させるかを示す。
実験では、状態と画像を用いたランダムな探索から長距離迷路計画を示す。
さらに、ランダムな探索からエゴセントリックなナビゲーションや、最適下データからの操作計画についても紹介する。
論文 参考訳（メタデータ） (2026-09-29T18:38:49Z) - Hamiltonian JEPA: Action-Conditioned World Models with an Inherited Control State [49.52703800684483]
ピクセルからの計画には、安定かつ予測可能な潜在空間以上のものが必要である。
統合埋め込み予測アーキテクチャ(JEPA)は、将来の表現を予測することでピクセル再構成を避ける。
我々はこの2つを分離するH-JEPAを紹介する。
論文 参考訳（メタデータ） (2026-09-27T12:05:41Z) - Map the Possibilities: Spatial Belief Fields for Language-Goal Aerial Navigation [49.03955946482723]
SBFNavは、言語条件付き空間的信念場を中心としたクローズドループナビゲーションフレームワークである。
主に観測されたことを記録しているエゴ中心の地図とは異なり、SBFレポジトリ-はタスク条件付き分布を可視な目標位置上で再送する。
SBFNavは、制御のためのメットリックなウェイポイントとして、命令と観察に最も適したゴールを選択する。
論文 参考訳（メタデータ） (2026-09-05T03:11:01Z) - 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) - Hierarchical Two-Stage Framework for Environment-Aware Long-Horizon Vessel Trajectory Prediction [30.034731404731634]
本稿では,粗い長期予測器とグリッド対応短期予測器を組み合わせた階層型2段階フレームワークを提案する。
統合された環境モジュールは、表面電流、風ベクトル、顕著な波高を含む海洋パラメータを含む。
我々のフレームワークは、平均変位誤差(ADE)が25%、最終変位誤差(FDE)が17%上回っている。
論文 参考訳（メタデータ） (2026-05-15T00:50:39Z) - Beyond the Next Port: A Multi-Task Transformer for Forecasting Future Voyage Segment Durations [3.9443085703523706]
本研究は,将来のETA予測をセグメントレベルの時系列予測問題として再検討する。
本研究では, 過去の航行時間, 目的地港の混雑, および静的容器記述子を統合するトランスフォーマーアーキテクチャを開発した。
提案フレームワークは,長期の時間的依存を捕捉するための因果的にマスキングされた注意機構と,セグメントセーリング時間とポート混雑状態を共同で予測するマルチタスク学習ヘッドを用いる。
論文 参考訳（メタデータ） (2026-01-12T21:32:05Z) - CyPortQA: Benchmarking Multimodal Large Language Models for Cyclone Preparedness in Port Operation [50.2938859756212]
ポートオペレーターは、確率的風力マップのような多様な予測生成物を、サイクロンアプローチとして明確で実用的なガイダンスに迅速に合成する必要がある。
我々は、サイクロン脅威下でのポート操作に適した最初のマルチモーダルベンチマークであるCyPortQAを紹介する。
CyPortQAは2015年から2023年にかけて、アメリカの主要港145か所と90の嵐を含む2,917の現実世界の破壊シナリオを組み立てている。
論文 参考訳（メタデータ） (2025-08-19T21:56:54Z) - Flood-DamageSense: Multimodal Mamba with Multitask Learning for Building Flood Damage Assessment using SAR Remote Sensing Imagery [1.3566464121222228]
Flood-DamageSenseは、ビルレベルの洪水被害評価のために構築された最初のディープラーニングフレームワークである。
このアーキテクチャは、SAR/InSARの前と後のシーンを非常に高解像度の光学ベースマップで融合させる。
エンドツーエンドのポストプロセッシングパイプラインは、ピクセルレベルの出力を実行可能なビルディングスケールのダメージマップに変換する。
論文 参考訳（メタデータ） (2025-06-07T05:19:10Z) - Off to new Shores: A Dataset & Benchmark for (near-)coastal Flood Inundation Forecasting [7.4807361562214405]
洪水は最も一般的で破壊的な自然災害の一つである。
近年の気象予知と宇宙からの洪水のマッピングは、極端な出来事を予想できる可能性を示した。
洪水範囲の直接予測を可能にするデータセットとベンチマークが欠如している。
論文 参考訳（メタデータ） (2024-09-27T09:51:25Z) - Discovering Gateway Ports in Maritime Using Temporal Graph Neural
Network Port Classification [4.293083690039338]
本稿では,TGNNを用いたポート分類手法を提案する。
提案手法は,データ内の静的および動的ナビゲーション機能セット間の時間的依存関係をキャプチャする動的グラフを構築するために,コンテナデータを処理する。
実験の結果,TGNNをベースとしたポート分類手法は,ポート分類において95%のfスコアを提供することがわかった。
論文 参考訳（メタデータ） (2022-04-25T12:02:18Z)
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。