文献

J-GLOBAL ID：201902215089210784   整理番号：19A0489790

粒子フィルタと期待値最大化アルゴリズムを用いた大気汚染物質分散におけるデータ同化【JST・京大機械翻訳】

Data Assimilation in Air Contaminant Dispersion Using a Particle Filter and Expectation-Maximization Algorithm

著者 (5件)： Wang Rongxiao (College of Information System and Management, National University of Defense Technology, 109 Deya Road, Changsha 410073, China) ,  Chen Bin (College of Information System and Management, National University of Defense Technology, 109 Deya Road, Changsha 410073, China) ,  Qiu Sihang (College of Information System and Management, National University of Defense Technology, 109 Deya Road, Changsha 410073, China) ,  Zhu Zhengqiu (College of Information System and Management, National University of Defense Technology, 109 Deya Road, Changsha 410073, China) ,  Qiu Xiaogang (College of Information System and Management, National University of Defense Technology, 109 Deya Road, Changsha 410073, China)
資料名： Atmosphere (Web)  (Atmosphere (Web))
巻： 8  号： 9  ページ： 170  発行年： 2017年 
JST資料番号： U7137A  ISSN： 2073-4433  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 大気汚染物質分散の正確な予測は,化学工業団地における汚染物質ガス漏れ事故の大気質モニタリングと緊急管理に不可欠である。従来の大気分散モデルは不正確な入力パラメータのために正確な予測をほとんど与えることができない。分散モデルの予測精度を改良するために,2つのデータ同化方法(すなわち,典型的粒子フィルタと期待値最大化アルゴリズムの組合せ)を提案して,大気分散モデルに測定誤差を有する仮想無人機(UAV)観測を同化した。異なる寸法の状態パラメータを持つ二つの放出事例を考察した。提案した方法の性能を試験するために,二つの放出事例に対応する二つの数値実験を設計し実行した。結果は,粒子フィルタが,状態パラメータの次元が比較的低いとき,モデルパラメータを効果的に推定し,モデル予測の精度を改善できることを示した。対照的に,状態パラメータの次元がより高くなるとき,期待値最大化アルゴリズムを結合する粒子フィルタの方法は,パラメータ推定精度の点でより良く機能する。したがって,提案したデータ同化法は,化学工業団地における大気質監視と緊急管理を効果的に支援することができる。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 無人機 ,  *大気汚染物質 ,  効果 ,  パラメータ ,  測定誤差 ,  ガス漏れ ,  パラメータ推定 ,  *データ同化
準シソーラス用語： モデル予測 ,  モデルパラメータ ,  数値実験 ,  予測精度 ,  分散モデル ,  *EMアルゴリズム ,  *粒子フィルタ , 【Automatic Indexing@JST】

著者キーワード (4件)： 大気汚染物質の分散 ,  データ同化 ,  粒子フィルタ ,  期待値最大化アルゴリズム

分類 (3件)： 対流圏・成層圏の地球化学  (DD01020P) ,  環境汚染一般  (SB01000C) ,  環境の汚染及び防止  (MB02030K)

引用文献 (23件)：

• Bouttier, F.; Courtier, P. Data assimilation Concepts and Methods; Meteorological Training Course Lecture Series; ECMWF: Reading, UK, 1999.
• Xue, H.; Gu, F.; Hu, X. Data assimilation using sequential monte carlo methods in wildfire spread simulation. ACM TOMACS 2012, 22, 1-25.
• Yan, X.; Gu, F.; Hu, X.; Guo, S. A dynamic data driven application system for wildfire spread simulation. In Proceedings of the Winter Simulation Conference, Austin, TX, USA, 13-16 April 2009; pp. 3121-3128.
• Krysta, M.; Bocquet, M.; Sportisse, B.; Isnard, O. Data assimilation for short-range dispersion of radionuclides: An application to wind tunnel data. Atmos. Environ. 2006, 40, 7267-7279.
• Kalman, R.E. A new approach to linear filtering and prediction problems. J. Basic Eng. 1960, 82, 35-45.

タイトルに関連する用語 (4件)： 粒子フィルタ ,  期待値最大化アルゴリズム ,  大気汚染物質 ,  データ同化