論文の概要: Investigating the Ground-level Ozone Formation and Future Trend in
Taiwan
- arxiv url: http://arxiv.org/abs/2012.10058v1
- Date: Fri, 18 Dec 2020 05:41:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-02 03:47:11.705712
- Title: Investigating the Ground-level Ozone Formation and Future Trend in
Taiwan
- Title(参考訳): 台湾における地中オゾン生成と今後の展望
- Authors: Yu-Wen Chen, Sourav Medya and Yi-Chun Chen
- Abstract要約: 対流圏オゾン (O3) は大気汚染物質であり、環境に深刻なダメージを与える。
本稿では,様々な因子がO3形成に及ぼす影響を理解し,O3濃度を予測することを目的とする。
- 参考スコア(独自算出の注目度): 9.329246085170803
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Tropospheric ozone (O3) is an influential ground-level air pollutant which
can severely damage the environment. Thus evaluating the importance of various
factors related to the O3 formation process is essential. However, O3 simulated
by the available climate models exhibits large variance in different places,
indicating the insufficiency of models in explaining the O3 formation process
correctly. In this paper, we aim to understand the impact of various factors on
O3 formation and predict the O3 concentrations. Six well-known supervised
learning methods are evaluated to estimate the observed O3 using sixteen
meteorological and chemical variables. We find that the XGBoost and the
convolution neural network (CNN) models achieve most accurate predictions. We
also demonstrate the importance of several variables empirically. The results
suggest that while Nitrogen Oxides negatively contributes to predicting O3, the
amount of solar radiation makes significantly positive contribution.
Furthermore, we apply the XGBoost model on climate O3 prediction and show its
competence in calibrating the O3 simulated by a global climate model.
- Abstract(参考訳): 対流圏オゾン (O3) は大気汚染物質であり、環境に深刻なダメージを与える。
したがって、o3形成過程に関連する様々な因子の重要性を評価することが不可欠である。
しかし、利用可能な気候モデルによってシミュレーションされたO3は、異なる場所で大きなばらつきを示し、O3の形成過程を正しく説明できないことを示す。
本稿では,O3生成に及ぼす諸因子の影響を理解し,O3濃度を予測することを目的とする。
16の気象および化学的変数を用いて観測されたO3を推定するために、よく知られた6つの学習手法を評価する。
xgboostモデルと畳み込みニューラルネットワーク(cnn)モデルが最も正確な予測を行うことがわかった。
また,いくつかの変数の重要性を実証する。
その結果、窒素酸化物はO3の予測に負の寄与をするが、太陽放射の量は著しく正の寄与をもたらすことが示唆された。
さらに、XGBoostモデルを気候O3予測に適用し、地球規模の気候モデルによりシミュレーションされたO3の校正能力を示す。
関連論文リスト
- Comparing Data-Driven and Mechanistic Models for Predicting Phenology in
Deciduous Broadleaf Forests [47.285748922842444]
我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。
このアプローチは従来のプロセスベースのモデルよりも優れています。
論文 参考訳(メタデータ) (2024-01-08T15:29:23Z) - Residual Diffusion Modeling for Km-scale Atmospheric Downscaling [51.061954281398116]
台湾上空2kmの高解像度気象モデルを用いて,コスト効率の低いダウンスケーリングモデルを訓練した。
textitCorrDiffは、RMSEとCRPSを巧みに表現し、極端な場合でもスペクトルと分布を忠実に回復する。
グローバルな予測のスケールダウンは、これらのメリットの多くを成功裏に維持し、マシンラーニングの天気予報のエンドツーエンドなグローバルなスケールの可能性を先導する。
論文 参考訳(メタデータ) (2023-09-24T19:57:22Z) - Physics-Informed Deep Learning to Reduce the Bias in Joint Prediction of
Nitrogen Oxides [5.04532074162313]
吸着拡散機構と流体力学制約を符号化し,NO2とNOxを共同で予測する物理インフォームド・ディープラーニング・フレームワークを提案する。
我々の手法は純粋にデータ駆動型ML法よりも有意であり、NO2とNOxの予測では前例のない偏差が減少する。
論文 参考訳(メタデータ) (2023-08-14T20:26:23Z) - A Three-regime Model of Network Pruning [47.92525418773768]
我々は、ニューラルネットワーク(NN)トレーニングのハイパーパラメータが刈り取り性能に与える影響をモデル化するために、温度のようなパラメータと負荷のようなパラメータを使用します。
プレプルーニングモデルにおける負荷様パラメータの値に依存すると、プレプルーニングモデルにおける温度様パラメータの値が増加するか、その後のプルーニング性能が向上または損なわれる可能性がある。
本モデルでは, 高温のダイコトモス効果は, ポストプランニングモデルにおいて, 異なるタイプの大域構造間の遷移と関係していることが明らかとなった。
論文 参考訳(メタデータ) (2023-05-28T08:09:25Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳(メタデータ) (2023-04-14T14:40:32Z) - Confidence and Dispersity Speak: Characterising Prediction Matrix for
Unsupervised Accuracy Estimation [51.809741427975105]
この研究は、ラベルを使わずに、分散シフト下でのモデルの性能を評価することを目的としている。
我々は、両方の特性を特徴付けるのに有効であることが示されている核規範を用いる。
核の基準は既存の手法よりも正確で堅牢であることを示す。
論文 参考訳(メタデータ) (2023-02-02T13:30:48Z) - Robust detection and attribution of climate change under interventions [4.344839102717429]
フィンガープリントは気候変動の検出と属性(D&A)の鍵となるツールである
本稿では,教師付き学習に基づく直接D&A手法を提案し,頑健な予測につながる指紋を抽出する。
本研究は, 関連する介入に対するロバスト性制約を組み込むことは, 気候変動の検出と帰属に有益であることが示唆された。
論文 参考訳(メタデータ) (2022-12-09T15:13:40Z) - Trustworthy modelling of atmospheric formaldehyde powered by deep
learning [0.0]
ホルムアルデヒド(HCHO)は大気中の最も重要な微量ガスの一つである。
呼吸器やその他の疾患を引き起こす汚染物質である。
HCHO化学と衛星データを用いた長期モニタリングの研究は、人間の健康の観点から重要である。
論文 参考訳(メタデータ) (2022-08-18T10:33:55Z) - Flexible Amortized Variational Inference in qBOLD MRI [56.4324135502282]
データから酸素抽出率(OEF)と脱酸素血液量(DBV)をより明瞭に決定する。
既存の推論手法では、DBVを過大評価しながら非常にノイズの多い、過小評価されたEFマップが得られる傾向にある。
本研究は, OEFとDBVの可算分布を推定できる確率論的機械学習手法について述べる。
論文 参考訳(メタデータ) (2022-03-11T10:47:16Z) - Assessment of Neural Networks for Stream-Water-Temperature Prediction [0.0]
システムのレジリエンスと緩和策を特定するためには,ドライバの機械的理解と期待される変化の大きさが不可欠である。
本研究では,ドイツの6つの河川における水温予測のための最先端ニューラルネットワーク (NN) の選定について述べる。
論文 参考訳(メタデータ) (2021-10-08T17:04:42Z) - Evaluation of Time Series Forecasting Models for Estimation of PM2.5
Levels in Air [0.0]
この研究では、環境中のPM2.5濃度を推定するために、ARIMA、FBProphet、LSTM、1D CNNなどのディープラーニングモデルを採用する。
予測結果から,すべての手法が平均根平均二乗誤差で比較結果を与えることがわかった。
論文 参考訳(メタデータ) (2021-04-07T16:24:39Z)
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。