時変汚染物質排出率の時間データ駆動型Transformerモデルによる特定

科学分野:

• 環境科学
• 水理地質学
• 人工知能

背景:

• 地下水汚染源の特定（IGCS）は、修復と資源保護のために不可欠です。
• リカレントニューラルネットワーク（RNN）は、段階的なデータ処理のために、精度と効率の限界に直面しています。

研究 の 目的:

• Transformerモデルを適用して、地下水汚染源特性を直接特定すること。
• Transformerの自己注意機構を活用して、RNNの限界を克服し、並列処理と長距離依存関係の捕捉を可能にすること。

主な方法:

• 自己注意機構を備えたディープラーニングアーキテクチャであるTransformerモデルを使用しました。
• Transformer、MLP逆マッピング、最適化、データ同化手法を比較する仮想ケーススタディを実施しました。

主要な成果:

• Transformerモデルは、汚染源特性の特定において、より高い精度を示しました。
• データ同化は、計算コストが低く、時間的制約のあるアプリケーションに適した満足のいく結果をもたらしました。
• 最適化手法は計算負荷が高く、他のアプローチよりも精度が低かったです。

結論:

• Transformerモデルは、正確なIGCSのための重要な進歩をもたらします。
• データ同化は、時間的制約のあるシナリオにおいて実行可能な代替手段です。
• AI駆動型手法は、地下水資源の保護のためにパフォーマンスを向上させます。