Improving Oil Slick Trajectory Simulations with Bayesian Optimization

要約

油流出軌道の正確なシミュレーションは、実務家の対応をサポートし、環境的および社会経済的影響を緩和するために不可欠です。
Medslik-IIなどの数値モデルは、オイル粒子の移流、分散、および形質転換プロセスをシミュレートします。
ただし、シミュレーションは、専門知識と手動のキャリブレーションに基づいて、正確なパラメーターチューニングに大きく依存しています。
これらの制限を克服するために、Medslik-II数値油流出モデルをベイジアン最適化フレームワークと統合して、スリックの衛星観測に近いシミュレーションを生成する最適な物理パラメーター構成を繰り返し推定します。
水平方向の拡散率やドリフト係数などの重要なパラメーターに焦点を当て、シミュレートされたオイル分布と観察されたオイル分布の間の時空間的オーバーラップの尺度として、フラクションスキルスコア（FSS）を最大化します。
2021年8月23日から9月4日までにシリアで発生したバニヤの石油事件の枠組みを検証し、12,000ドル以上の石油を超えました。
提案されたアプローチは、デフォルトのパラメーターで初期化されたコントロールシミュレーションと比較して、平均してFSSを5.82％から11.07％に体系的に改善することを示しています。
最適化により、特にドリフトの変動が増加する期間中、複数の時間ステップで一貫した改善がもたらされ、動的環境条件における方法の堅牢性が示されます。

要約(オリジナル)

Accurate simulations of oil spill trajectories are essential for supporting practitioners’ response and mitigating environmental and socioeconomic impacts. Numerical models, such as MEDSLIK-II, simulate advection, dispersion, and transformation processes of oil particles. However, simulations heavily rely on accurate parameter tuning, still based on expert knowledge and manual calibration. To overcome these limitations, we integrate the MEDSLIK-II numerical oil spill model with a Bayesian optimization framework to iteratively estimate the best physical parameter configuration that yields simulation closer to satellite observations of the slick. We focus on key parameters, such as horizontal diffusivity and drift factor, maximizing the Fraction Skill Score (FSS) as a measure of spatio-temporal overlap between simulated and observed oil distributions. We validate the framework for the Baniyas oil incident that occurred in Syria between August 23 and September 4, 2021, which released over 12,000 $m^3$ of oil. We show that, on average, the proposed approach systematically improves the FSS from 5.82% to 11.07% compared to control simulations initialized with default parameters. The optimization results in consistent improvement across multiple time steps, particularly during periods of increased drift variability, demonstrating the robustness of our method in dynamic environmental conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google