論文の概要: Deep coastal sea elements forecasting using U-Net based models

• arxiv url: http://arxiv.org/abs/2011.03303v2
• Date: Mon, 8 Nov 2021 21:25:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 04:40:40.339907
• Title: Deep coastal sea elements forecasting using U-Net based models
• Title（参考訳）: U-Netモデルを用いた深海要素予測
• Authors: Jes\'us Garc\'ia Fern\'andez, Ismail Alaoui Abdellaoui, Siamak Mehrkanoon
• Abstract要約: エネルギー提供者や政策立案者は気象情報を必要とし、情報を得た選択を行い、最適な計画を立てる。 本稿では,U-Netアーキテクチャを用いて,オランダの沿岸海域における海面要素のフレーム予測に先立つ複数のステップについて検討する。 本稿では、U-Netアーキテクチャのバリエーションを提案し、残差接続、並列畳み込み、非対称畳み込みを用いた新しいモデルをさらに拡張する。
• 参考スコア（独自算出の注目度）: 3.1733862899654643
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The supply and demand of energy is influenced by meteorological conditions. The relevance of accurate weather forecasts increases as the demand for renewable energy sources increases. The energy providers and policy makers require weather information to make informed choices and establish optimal plans according to the operational objectives. Due to the recent development of deep learning techniques applied to satellite imagery, weather forecasting that uses remote sensing data has also been the subject of major progress. The present paper investigates multiple steps ahead frame prediction for coastal sea elements in the Netherlands using U-Net based architectures. Hourly data from the Copernicus observation programme spanned over a period of 2 years has been used to train the models and make the forecasting, including seasonal predictions. We propose a variation of the U-Net architecture and further extend this novel model using residual connections, parallel convolutions and asymmetric convolutions in order to introduce three additional architectures. In particular, we show that the architecture equipped with parallel and asymmetric convolutions as well as skip connections outperforms the other three discussed models.
• Abstract（参考訳）: エネルギーの供給と需要は気象条件の影響を受けている。 再生可能エネルギー需要の増加に伴い、正確な天気予報の関連性が高まっている。 エネルギー提供者や政策立案者は、気象情報にインフォームドな選択を行い、運用目的に応じて最適な計画を確立するよう要求する。 近年,衛星画像に応用された深層学習技術が発達しているため,リモートセンシングデータを用いた天気予報も大きな進歩を遂げている。 本稿では,U-Netアーキテクチャを用いて,オランダの沿岸海域における海面要素のフレーム予測を行う。 コペルニクス観測プログラムの時間データは、季節予測を含むモデルを訓練し、予測するために2年間にわたって使われてきた。 本稿では、U-Netアーキテクチャのバリエーションを提案し、3つのアーキテクチャを導入するために、残差接続、並列畳み込み、非対称畳み込みを用いた新しいモデルをさらに拡張する。 特に,並列かつ非対称な畳み込みとスキップ接続を備えたアーキテクチャが,他の3つのモデルよりも優れていることを示す。

関連論文リスト

• FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere [53.22497376154084]
  本研究では,FengWuグローバル気象予報モデルに基づくFengWu-Weather to Subseasonal (FengWu-W2S)を提案する。 我々は,FengWu-W2Sが大気環境を3～6週間先まで確実に予測し,マデン・ジュリア振動 (MJO) や北大西洋振動 (NAO) などの地球表面温度, 降水量, 地磁気高度, 季節内信号の予測能力を向上させることを実証した。 日時から季節時の予測誤差成長に関するアブレーション実験
  論文  参考訳（メタデータ） (2024-11-15T13:44:37Z)
• Generalizing Weather Forecast to Fine-grained Temporal Scales via Physics-AI Hybrid Modeling [55.13352174687475]
  本稿では,天気予報をより微細なテンポラルスケールに一般化する物理AIハイブリッドモデル(WeatherGFT)を提案する。 具体的には、小さな時間スケールで物理進化をシミュレートするために、慎重に設計されたPDEカーネルを用いる。 我々は、異なるリードタイムでのモデルの一般化を促進するためのリードタイムアウェアトレーニングフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-05-22T16:21:02Z)
• Forecasting the Future with Future Technologies: Advancements in Large Meteorological Models [3.332582598089642]
  気象予報の分野は、大きなモデルの統合によって大きな変化を遂げた。 FourCastNet、Pangu-Weather、GraphCast、ClimaX、FengWuといったモデルは、正確で高精度な予測を提供することで、顕著な貢献をしている。
  論文  参考訳（メタデータ） (2024-04-10T00:52:54Z)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• Predicting Future Occupancy Grids in Dynamic Environment with Spatio-Temporal Learning [63.25627328308978]
  本稿では,将来の占有予測を生成するための時間的予測ネットワークパイプラインを提案する。 現在のSOTAと比較して、我々の手法は3秒の長い水平線での占有を予測している。 我々は、さらなる研究を支援するために、nulisに基づくグリッド占有データセットを公開します。
  論文  参考訳（メタデータ） (2022-05-06T13:45:32Z)
• 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)
• SubseasonalClimateUSA: A Dataset for Subseasonal Forecasting and Benchmarking [20.442879707675115]
  SubseasonalClimateUSAは、米国におけるサブシーズン予測モデルのトレーニングとベンチマークのための、キュレートされたデータセットである。 このデータセットを使用して、操作力学モデル、古典的気象ベースライン、最先端の機械学習10、文献からのディープラーニングベースのメソッドなど、さまざまなモデルのスイートをベンチマークします。
  論文  参考訳（メタデータ） (2021-09-21T18:42:10Z)
• Multistream Graph Attention Networks for Wind Speed Forecasting [4.644923443649426]
  本稿では,グラフ注意ネットワーク(GAT)に基づく風速予測の新しいモデルを提案する。 特に,提案モデルでは,学習可能な隣接行列を用いてGATアーキテクチャを拡張した。 風速予測に用いた従来のアーキテクチャと比較して,提案手法は気象データの複雑な入出力関係をよりよく学習できることを示す。
  論文  参考訳（メタデータ） (2021-08-16T12:58:26Z)
• 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。