論文の概要: Clustering high dimensional meteorological scenarios: results and performance index

• arxiv url: http://arxiv.org/abs/2012.07487v1
• Date: Mon, 14 Dec 2020 13:06:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-08 14:16:36.736055
• Title: Clustering high dimensional meteorological scenarios: results and performance index
• Title（参考訳）: 高次元気象シナリオのクラスタリング:結果と性能指標
• Authors: Yamila Barrera, Leonardo Boechi, Matthieu Jonckheere, Vincent Lefieux, Dominique Picard, Ezequiel Smucler, Agustin Somacal, Alfredo Umfurer
• Abstract要約: 本稿では,RTEによる気候シミュレーションにおいて,可能な気候シナリオをグループ化し,選択する問題について議論する。 使用されるデータは、フランスの地理的な場所のグリッド上に200の異なるシナリオの温度時系列からなる。 まず,クラスタ化に使用される距離の選択が,結果の意味に強い影響を与えていることを示す。
• 参考スコア（独自算出の注目度）: 2.4186361602373823
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Reseau de Transport d'Electricit\'e (RTE) is the French main electricity network operational manager and dedicates large number of resources and efforts towards understanding climate time series data. We discuss here the problem and the methodology of grouping and selecting representatives of possible climate scenarios among a large number of climate simulations provided by RTE. The data used is composed of temperature times series for 200 different possible scenarios on a grid of geographical locations in France. These should be clustered in order to detect common patterns regarding temperatures curves and help to choose representative scenarios for network simulations, which in turn can be used for energy optimisation. We first show that the choice of the distance used for the clustering has a strong impact on the meaning of the results: depending on the type of distance used, either spatial or temporal patterns prevail. Then we discuss the difficulty of fine-tuning the distance choice (combined with a dimension reduction procedure) and we propose a methodology based on a carefully designed index.
• Abstract（参考訳）: reseau de transport d'electricit\'e (rte) はフランスの電力ネットワーク運用管理者であり、気候時系列データを理解するために多くのリソースと努力を捧げている。 本稿では,RTEが提供する多数の気候シミュレーションのうち,可能な気候シナリオをグループ化し,選択する問題と方法について論じる。 使用されるデータは、フランスの地理的な場所のグリッド上に200の異なるシナリオの温度時系列からなる。 これらのパターンは、温度曲線に関する一般的なパターンを検出し、ネットワークシミュレーションの典型的なシナリオを選択するのに役立ち、エネルギー最適化に使用できる。 まず、クラスタリングに使用される距離の選択が結果の意味に強い影響があることを示し、空間的パターンと時間的パターンのいずれでも使用される距離の種類に依存する。 次に,距離選択を微調整することの難しさについて考察し,慎重に設計された指標に基づく手法を提案する。

関連論文リスト

• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Predicting unobserved climate time series data at distant areas via spatial correlation using reservoir computing [5.008022566317949]
  本研究は, 気象要素, 特に地表温度と圧力を, データ観測点から離れた目標地点で予測することに焦点を当てた。 その結果,予測精度は観測地点と目標地点の距離によって低下することがわかった。
  論文  参考訳（メタデータ） (2024-06-05T08:39:10Z)
• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• TemperatureGAN: Generative Modeling of Regional Atmospheric Temperatures [1.5554651050867165]
  発電機は様々な分野の 気候影響を推定するのに役立ちます 様々な分野の気候リスクを予測するには、正確で(統計的に地道に類似している)、信頼性があり(誤った例を作らない)、効率的であるジェネレータが必要である。 本研究では, 月, 場所, 時間に条件を定め, 1時間分解能で地上の気温2m以上を発生させるCreateGANを紹介した。
  論文  参考訳（メタデータ） (2023-06-29T18:34:37Z)
• ClimaX: A foundation model for weather and climate [51.208269971019504]
  ClimaXは気象と気候科学のディープラーニングモデルである。 気候データセットの自己教師型学習目標で事前トレーニングすることができる。 気候や気候の様々な問題に対処するために、微調整が可能である。
  論文  参考訳（メタデータ） (2023-01-24T23:19:01Z)
• 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)
• Deep Learning Based Cloud Cover Parameterization for ICON [55.49957005291674]
  我々は,実地域およびグローバルICONシミュレーションに基づいて,粗粒度データを用いたNNベースのクラウドカバーパラメータ化を訓練する。 グローバルに訓練されたNNは、地域シミュレーションのサブグリッドスケールのクラウドカバーを再現することができる。 我々は,コラムベースNNがグローバルから局所的な粗粒データに完全に一般化できない理由として,特定の湿度と雲氷上の過剰なエンハンシスを同定する。
  論文  参考訳（メタデータ） (2021-12-21T16:10:45Z)
• Loosely Conditioned Emulation of Global Climate Models With Generative Adversarial Networks [2.937141232326068]
  我々は、完全に結合した地球モデルから毎日の降水量をエミュレートする2つの「緩やかな条件付き」ジェネレーターネットワーク(GAN)を訓練する。 GANは時間的なサンプルを作り出すために訓練されます:地球を区別する64x128規則的な格子上の沈殿物の32日。 当社の訓練を受けたGANは、大幅に削減された計算コストで多数の実現を迅速に生成できます。
  論文  参考訳（メタデータ） (2021-04-29T02:10:08Z)
• DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
  地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。 妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。 本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
  論文  参考訳（メタデータ） (2020-11-23T20:13:37Z)

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。