Kriged Kalman Filtering for Predicting the Spatio-Temporal Wildfire Temperature Process Evolution
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Existing wildfire evolution models have been mostly developed in a deterministic modelling framework. As a complementary alternative, in this paper, we study the problem of predicting the spatio-temporal wildfire temperature process evolution using the Kriged Kalman filtering framework. In particular, the spatio-temporal temperature process is decomposed into a mean process and a residual process. The mean temperature process is further decomposed into a linear combination of fixed spatial basis functions with stochastic temporal coefficients that evolve in time, whereas the residual temperature process is modelled as a zero-mean spatio-temporal Gaussian process. In the Kriged Kalman filtering framework, one challenge is to specify a suitable set of spatial basis functions that gives a good representation of the process. By solving the partial differential equation that governs the principal heat transfer mechanisms driving the wildfire evolution, we show that the spatio-temporal mean temperature process associated with a wildfire evolving in a finite spatial domain under certain prescribed conditions can be approximated by a Fourier series. One key novelty in our work is that we explicitly incorporate the physics of the wildfire evolution process in deriving a suitable choice of spatial basis functions that approximate the mean temperature process. We also derive an evolution model for the temporal coefficients of the mean temperature process based on the proposed heat transfer partial differential equation. Finally, we demonstrate the potential of the proposed Kriged Kalman filtering framework in simulations on temperature data generated by a simplified physical wildfire evolution model.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle