論文の概要: MetNet: A Neural Weather Model for Precipitation Forecasting

• arxiv url: http://arxiv.org/abs/2003.12140v2
• Date: Mon, 30 Mar 2020 11:51:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 08:40:31.304607
• Title: MetNet: A Neural Weather Model for Precipitation Forecasting
• Title（参考訳）: MetNet: 降雨予報のためのニューラル気象モデル
• Authors: Casper Kaae S{\o}nderby, Lasse Espeholt, Jonathan Heek, Mostafa Dehghani, Avital Oliver, Tim Salimans, Shreya Agrawal, Jason Hickey, Nal Kalchbrenner
• Abstract要約: MetNetは1 km$2$の高空間解像度で、最大8時間の降水を予測するニューラルネットワークである。 種々の降水閾値におけるMetNetの性能を評価し,アメリカ大陸の規模で最大7時間から8時間の予測において,MetNetが数値的天気予報を上回っていることを見出した。
• 参考スコア（独自算出の注目度）: 20.4357412331555
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Weather forecasting is a long standing scientific challenge with direct social and economic impact. The task is suitable for deep neural networks due to vast amounts of continuously collected data and a rich spatial and temporal structure that presents long range dependencies. We introduce MetNet, a neural network that forecasts precipitation up to 8 hours into the future at the high spatial resolution of 1 km$^2$ and at the temporal resolution of 2 minutes with a latency in the order of seconds. MetNet takes as input radar and satellite data and forecast lead time and produces a probabilistic precipitation map. The architecture uses axial self-attention to aggregate the global context from a large input patch corresponding to a million square kilometers. We evaluate the performance of MetNet at various precipitation thresholds and find that MetNet outperforms Numerical Weather Prediction at forecasts of up to 7 to 8 hours on the scale of the continental United States.
• Abstract（参考訳）: 気象予報は、社会や経済に直接的な影響を与える長期にわたる科学的な課題である。 このタスクは、大量の連続的な収集データと、長い範囲の依存関係を示す豊富な空間的および時間的構造のために、ディープニューラルネットワークに適している。 MetNetは,1km$^2$の高空間分解能と2分間の時間分解能で,秒単位のレイテンシで,最大8時間の降水予測を行うニューラルネットワークである。 MetNetは入力レーダと衛星データとして、リードタイムを予測し、確率的な降水マップを生成する。 アーキテクチャは軸方向のセルフアテンションを使用して、100万平方キロメートルに相当する大きな入力パッチからグローバルコンテキストを集約する。 種々の降水閾値におけるMetNetの性能を評価し,アメリカ大陸の規模で最大7時間から8時間の予測において,MetNetが数値的天気予報を上回っていることを見出した。

関連論文リスト

• OneForecast: A Universal Framework for Global and Regional Weather Forecasting [44.203835175341]
  本稿では,グラフニューラルネットワーク(GNN)に基づくグローバル地域別ネスト気象予報フレームワークを提案する。 動的システムパースペクティブとマルチグリッド理論を組み合わせることで、マルチスケールグラフ構造を構築し、ターゲット領域を密度化し、局所的な高周波特性を捉える。 高分解能な地域予測のために,境界情報損失を軽減するニューラルネットワークネストグリッド法を提案する。
  論文  参考訳（メタデータ） (2025-02-01T06:49:16Z)
• VN-Net: Vision-Numerical Fusion Graph Convolutional Network for Sparse Spatio-Temporal Meteorological Forecasting [12.737085738169164]
  VN-Netは、マルチモーダルデータを利用してスパース時間気象予報をより良く扱うためのGCN法を導入する最初の試みである。 VN-Netは、温度、相対湿度、予測のための平均絶対誤差(MAE)と根平均二乗誤差(RMSE)にかなりの差で最先端である。
  論文  参考訳（メタデータ） (2024-01-26T12:41:57Z)
• Deep Learning for Day Forecasts from Sparse Observations [60.041805328514876]
  深層ニューラルネットワークは、気象条件をモデル化するための代替パラダイムを提供する。 MetNet-3は、密度とスパースの両方のデータセンサーから学習し、降水、風、温度、露点を最大24時間前に予測する。 MetNet-3は、それぞれ時間分解能と空間分解能が高く、最大2分と1km、運用遅延は低い。
  論文  参考訳（メタデータ） (2023-06-06T07:07:54Z)
• Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast [91.9372563527801]
  我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。 初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。 Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
  論文  参考訳（メタデータ） (2022-11-03T17:19:43Z)
• FourCastNet: A Global Data-driven High-resolution Weather Model using Adaptive Fourier Neural Operators [45.520430157112884]
  FourCastNetは、表面風速、降水量、大気水蒸気などの高解像度で高速な変数を正確に予測する。 風力エネルギー資源の計画、熱帯のサイクロン、熱帯のサイクロン、大気の川などの極端な気象現象の予測に重要な意味を持つ。 FourCastNetは2秒未満で1週間の予測を生成する。
  論文  参考訳（メタデータ） (2022-02-22T22:19:35Z)
• Forecasting large-scale circulation regimes using deformable convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
  変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討 今後1～15日にわたって北大西洋-欧州の気象条件を予測した。 より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5～6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
  論文  参考訳（メタデータ） (2022-02-10T11:37:00Z)
• Short-term precipitation prediction using deep learning [5.1589108738893215]
  気象フィールドの1つのフレームを用いた3次元畳み込みニューラルネットワークは降水空間分布を予測することができることを示す。 このネットワークは、気象学の39年 (1980-2018) のデータと、連続した米国上空の毎日の降水に基づいて開発されている。
  論文  参考訳（メタデータ） (2021-10-05T06:37:24Z)
• SmaAt-UNet: Precipitation Nowcasting using a Small Attention-UNet Architecture [5.28539620288341]
  データ駆動型ニューラルネットワークのアプローチにより,正確な降水量を推定できることが示唆された。 オランダ地域の降水マップとフランスのクラウドカバレッジのバイナリ画像を用いて、実際のデータセットに対する我々のアプローチを評価した。
  論文  参考訳（メタデータ） (2020-07-08T20:33:10Z)
• A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
  本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。 提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
  論文  参考訳（メタデータ） (2020-06-13T20:53:17Z)

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。