論文の概要: Prediction of Rainfall in Rajasthan, India using Deep and Wide Neural Network

• arxiv url: http://arxiv.org/abs/2010.11787v1
• Date: Thu, 22 Oct 2020 15:01:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-04 07:26:42.453025
• Title: Prediction of Rainfall in Rajasthan, India using Deep and Wide Neural Network
• Title（参考訳）: 深層・広層ニューラルネットワークを用いたインドのラジャスタンにおける降雨予測
• Authors: Vikas Bajpai, Anukriti Bansal, Kshitiz Verma, Sanjay Agarwal
• Abstract要約: インド・ラジャサン州の降雨予測モデル(DWRPM)を提案する。 地理的パラメータ(緯度と経度)の情報は、ユニークな方法で含まれる。 結果とLSTMやCNNのような様々な深層学習手法を比較し,シーケンスベースの予測でうまく機能することが確認された。
• 参考スコア（独自算出の注目度）: 0.5735035463793008
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rainfall is a natural process which is of utmost importance in various areas including water cycle, ground water recharging, disaster management and economic cycle. Accurate prediction of rainfall intensity is a challenging task and its exact prediction helps in every aspect. In this paper, we propose a deep and wide rainfall prediction model (DWRPM) and evaluate its effectiveness to predict rainfall in Indian state of Rajasthan using historical time-series data. For wide network, instead of using rainfall intensity values directly, we are using features obtained after applying a convolutional layer. For deep part, a multi-layer perceptron (MLP) is used. Information of geographical parameters (latitude and longitude) are included in a unique way. It gives the model a generalization ability, which helps a single model to make rainfall predictions in different geographical conditions. We compare our results with various deep-learning approaches like MLP, LSTM and CNN, which are observed to work well in sequence-based predictions. Experimental analysis and comparison shows the applicability of our proposed method for rainfall prediction in Rajasthan.
• Abstract（参考訳）: 降雨は自然のプロセスであり、水循環、地下水の補給、災害管理、経済サイクルなど様々な分野で最も重要である。 降雨強度の正確な予測は困難であり、その正確な予測はあらゆる面で役立つ。 本稿では,インドのラジャスタン州における降雨予測モデル(dwrpm)を提案し,その降雨予測の有効性を時系列データを用いて評価する。 広帯域ネットワークでは,降雨強度を直接使用する代わりに,畳み込み層を適用して得られる特徴を用いている。 深部には多層パーセプトロン(MLP)を用いる。 地理的パラメータ(緯度と経度)の情報は、ユニークな方法で含まれる。 これはモデルに一般化能力を与え、単一のモデルが異なる地理的条件で降雨を予測するのに役立つ。 MLP, LSTM, CNNなどの深層学習手法と比較し, シーケンスベースの予測に有効であることが確認された。 ラジャスタンにおける降雨予測法の適用性に関する実験的検討と比較を行った。

関連論文リスト

• Enhanced Precision in Rainfall Forecasting for Mumbai: Utilizing Physics Informed ConvLSTM2D Models for Finer Spatial and Temporal Resolution [0.0]
  本研究では,降雨予測精度の向上を目的とした深層学習空間モデルを提案する。 この仮説を検証するため,インド・ムンバイに先立つ降水量6hrと12hrを予測するために,ConvLSTM2Dモデルを導入した。
  論文  参考訳（メタデータ） (2024-04-01T13:56:12Z)
• TRG-Net: An Interpretable and Controllable Rain Generator [61.2760968459789]
  本研究は,降雨の基盤となる物理的発生機構を十分に考慮した,新しい深層学習型降雨発生器を提案する。 その意義は、発電機が予想される雨をシミュレートするために雨の本質的な要素を精巧に設計するだけでなく、複雑で多様な雨のイメージに微妙に適応することにある。 提案した雨発生器が発生した雨は, 高品質であるだけでなく, 排水作業や下流作業にも有効であることを示す。
  論文  参考訳（メタデータ） (2024-03-15T03:27:39Z)
• Unleashing the Power of Dynamic Mode Decomposition and Deep Learning for Rainfall Prediction in North-East India [0.27488316163114823]
  本研究では,DMD(Dynamic Mode Decomposition)とLSTM(Long Short-Term Memory)という2つのデータ駆動手法を用いた降雨予測手法について検討した。 複数の気象観測所から得られた過去の降雨データを用いて,将来の降雨パターンを予測するためのモデルを訓練し,検証した。 以上の結果から,インド北東部地域の降雨予測精度は,データ駆動手法により著しく向上することが示唆された。
  論文  参考訳（メタデータ） (2023-09-17T17:58:06Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Rapid Flood Inundation Forecast Using Fourier Neural Operator [77.30160833875513]
  洪水浸水予測は洪水前後の緊急計画に重要な情報を提供する。 近年,高分解能な流体力学モデリングが普及しつつあるが,道路の洪水範囲やリアルタイムのビルディングレベルは依然として計算的に要求されている。 洪水範囲と浸水深度予測のためのハイブリッドプロセスベースおよびデータ駆動機械学習(ML)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-07-29T22:49:50Z)
• Fully Convolutional Networks for Dense Water Flow Intensity Prediction in Swedish Catchment Areas [7.324969824727792]
  本研究では,内陸海域における水流強度を予測するための機械学習によるアプローチを提案する。 我々は高密度水流強度予測の課題に最初に取り組みました。
  論文  参考訳（メタデータ） (2023-04-04T09:28:36Z)
• An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
  高空間分解能水深予測のための異なる深層学習モデルの比較を行った。 深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。 その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
  論文  参考訳（メタデータ） (2023-02-20T16:08:54Z)
• Experimental study of time series forecasting methods for groundwater level prediction [0.0]
  私たちは1026の地下水位時系列のデータセットを作成しました。 各時系列は、地下水位と降雨と蒸発散の2つの変数を毎日測定して作成されている。 ローカルおよびグローバルな時系列予測手法を含む様々な予測器を比較した。 その結果, 過去の地下水位と降雨量について, グローバルな手法を訓練することで, 最良の予測が得られることがわかった。
  論文  参考訳（メタデータ） (2022-09-28T08:58:55Z)
• Semi-Supervised Video Deraining with Dynamic Rain Generator [59.71640025072209]
  本稿では,降雨層に適合する動的降雨発生器を用いた半教師付きビデオデレーシング手法を提案する。 具体的には、1つのエミッションモデルと1つのトランジションモデルから成り、空間的物理的構造と時系列の雨の連続的な変化を同時にエンコードする。 ラベル付き合成およびラベルなしの実データのために、それらの基礎となる共通知識を十分に活用するために、様々な先行フォーマットが設計されている。
  論文  参考訳（メタデータ） (2021-03-14T14:28:57Z)
• A Deep and Wide Neural Network-based Model for Rajasthan Summer Monsoon Rainfall (RSMR) Prediction [0.0]
  インドのラジャスタン州における夏季モンスーン降雨予測のための様々な深層学習手法の分析と評価を行う。 IMDグリッドデータセットから、ラジャスタンの地理的境界内にある484座標の降雨データが選択されます。 また,水資源部門から降雨量計158局の降雨データも収集した。
  論文  参考訳（メタデータ） (2021-03-03T03:42:45Z)
• From Rain Generation to Rain Removal [67.71728610434698]
  雨層を生成物としてパラメータ化した雨画像のためのベイズ生成モデルを構築した。 降雨画像の統計的分布を推定するために,変分推論の枠組みを用いる。 総合的な実験により,提案モデルが複雑な降雨分布を忠実に抽出できることが確認された。
  論文  参考訳（メタデータ） (2020-08-08T18:56:51Z)

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。