論文の概要: Prediction of Temperature and Rainfall in Bangladesh using Long Short
Term Memory Recurrent Neural Networks
- arxiv url: http://arxiv.org/abs/2010.11946v1
- Date: Thu, 22 Oct 2020 11:10:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-04 05:03:23.564981
- Title: Prediction of Temperature and Rainfall in Bangladesh using Long Short
Term Memory Recurrent Neural Networks
- Title（参考訳）: 長期記憶リカレントニューラルネットワークによるバングラデシュの気温・降雨量の予測
- Authors: Mohammad Mahmudur Rahman Khan, Md. Abu Bakr Siddique, Shadman Sakib,
Anas Aziz, Ihtyaz Kader Tasawar, Ziad Hossain
- Abstract要約: バングラデシュの気象データ115年 (1901-2015) を解析し, 月ごとの気温と降雨量を予測するため, LSTMモデルを実装している。
LSTMモデルでは、月の温度を2年間予測する場合は-0.38oC、降雨を予測した場合は-17.64mmの平均誤差が示されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Temperature and rainfall have a significant impact on economic growth as well
as the outbreak of seasonal diseases in a region. In spite of that inadequate
studies have been carried out for analyzing the weather pattern of Bangladesh
implementing the artificial neural network. Therefore, in this study, we are
implementing a Long Short-term Memory (LSTM) model to forecast the month-wise
temperature and rainfall by analyzing 115 years (1901-2015) of weather data of
Bangladesh. The LSTM model has shown a mean error of -0.38oC in case of
predicting the month-wise temperature for 2 years and -17.64mm in case of
predicting the rainfall. This prediction model can help to understand the
weather pattern changes as well as studying seasonal diseases of Bangladesh
whose outbreaks are dependent on regional temperature and/or rainfall.
- Abstract（参考訳）: 気温と降雨は、地域の季節性疾患の発生とともに、経済成長に大きな影響を及ぼす。
それにもかかわらず、バングラデシュの人工ニューラルネットワークを実装する気象パターンの分析には不十分な研究がなされている。
そこで本研究では,バングラデシュの気象データ115年(1901-2015)を解析し,月ごとの気温と降雨量を予測するための長期短期記憶モデル(lstm)を実装した。
LSTMモデルでは、月の温度を2年間予測する場合の平均誤差は-0.38oC、降雨を予測する場合は-17.64mmである。
この予測モデルは、バングラデシュで発生が地域気温や降雨に依存する季節性疾患の研究だけでなく、気象パターンの変化を理解するのに役立ちます。
関連論文リスト
- Data-driven rainfall prediction at a regional scale: a case study with Ghana [4.028179670997471]
最先端の数値天気予報(NWP)モデルは、アフリカの熱帯地域で熟練した降雨予測を作成するのに苦労している。
2つのU-Net畳み込みニューラルネットワーク(CNN)モデルを開発し、12時間と30時間リード時の24時間降雨を予測する。
また,従来のNWPモデルとデータ駆動モデルを組み合わせることにより,予測精度が向上することがわかった。
論文 参考訳（メタデータ） (2024-10-17T22:07:53Z) - Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。
次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。
気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
論文 参考訳（メタデータ） (2024-08-08T06:47:21Z) - 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) - FWin transformer for dengue prediction under climate and ocean influence [1.6114012813668932]
デング熱は最も致命的な蚊由来の熱帯感染症の1つである。
本研究では,長期予測のためのデング症例の予測法について検討した。
論文 参考訳（メタデータ） (2024-03-10T19:20:55Z) - FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather
Forecasting [56.73502043159699]
この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。
低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。
2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
論文 参考訳（メタデータ） (2024-01-28T13:23:25Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z) - 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) - Spatiotemporal modeling of European paleoclimate using doubly sparse
Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。
我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文 参考訳（メタデータ） (2022-11-15T14:15:04Z) - Deep learning via LSTM models for COVID-19 infection forecasting in
India [13.163271874039191]
卓越した計算モデルと数学的モデルは、感染の拡散の複雑さのために信頼性が低い。
リカレントニューラルネットワークのようなディープラーニングモデルは、時間的シーケンスをモデル化するのに適している。
感染率の面では、新型コロナウイルスのホットポットを持つ州を選択し、感染の有無やピークに達した州と比較する。
以上の結果から,他の国や地域での手法の適用を動機づける長期予測が期待されていることが示唆された。
論文 参考訳（メタデータ） (2021-01-28T09:19:10Z) - 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。