論文の概要: Synergy between Observation Systems Oceanic in Turbulent Regions
- arxiv url: http://arxiv.org/abs/2012.14516v2
- Date: Wed, 27 Jan 2021 16:21:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-19 10:58:35.861513
- Title: Synergy between Observation Systems Oceanic in Turbulent Regions
- Title(参考訳): 乱流域における観測システム間の相乗効果
- Authors: Van-Khoa Nguyen, Santiago Agudelo
- Abstract要約: 海洋ダイナミクスは、複雑な気候現象における海洋の役割を決定する上での公理の源である。
現在の観測システムは3次元海洋データに十分な統計的精度を達成するのに限界がある。
湾岸流と黒潮の延長流における海洋ダイナミクスのモデル化において,潜流クラス回帰と深層回帰ニューラルネットワークを探索するデータ駆動型手法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ocean dynamics constitute a source of incertitude in determining the ocean's
role in complex climatic phenomena. Current observation systems have
limitations in achieving sufficiently statistical precision for
three-dimensional oceanic data. It is crucial knowledge to describe the
behavior of internal ocean structures. We present the data-driven approaches
which explore latent class regressions and deep regression neural networks in
modeling ocean dynamics in the extensions of Gulf Stream and Kuroshio currents.
The obtained results show a promising data-driven direction for understanding
the ocean's characteristics, including salinity and temperature, in both
spatial and temporal dimensions in the turbulent regions. Our source codes are
publicly available at https://github.com/v18nguye/gulfstream-lrm and at
https://github.com/sagudelor/Kuroshio.
- Abstract(参考訳): 海洋力学は、複雑な気候現象における海洋の役割を決定するためのインキュメントの源となっている。
現在の観測システムは3次元海洋データに対して十分な統計的精度を達成するのに限界がある。
内部海洋構造の挙動を記述する上で重要な知識である。
本稿では,ガルフストリームおよび黒潮流の拡張における海洋力学のモデル化において,潜在クラス回帰と深部回帰ニューラルネットワークを探索するデータ駆動型アプローチを提案する。
その結果, 乱流域の空間的および時間的次元において, 塩分濃度や温度などの海洋特性を理解する上で有望なデータ駆動方向が得られた。
ソースコードはhttps://github.com/v18nguye/gulfstream-lrmとhttps://github.com/sagudelor/kuroshioで公開しています。
関連論文リスト
- Regional Ocean Forecasting with Hierarchical Graph Neural Networks [1.4146420810689422]
我々は、高解像度の中距離海洋予測用に設計されたニューラルネットワークであるSeaCastを紹介する。
SeaCastはグラフベースのフレームワークを使用して、海洋グリッドの複雑な幾何学を処理し、地域の海洋環境に合わせて外部の強制データを統合する。
コペルニクス海洋局が提供した地中海の運用数値モデルを用いて,高空間分解能実験により本手法の有効性を検証した。
論文 参考訳(メタデータ) (2024-10-15T17:34:50Z) - Coupled Ocean-Atmosphere Dynamics in a Machine Learning Earth System Model [0.6008008212472723]
我々は,高分解能(0.25deg)人工知能/機械学習(AI/ML)結合土系モデルであるオーシャンリンク大気(Ola)モデルを提案する。
その結果,Olaは適切な位相速度を持つ熱帯海洋波を含む海洋-大気結合力学の学習特性を示すことがわかった。
本研究では,地球物理流体力学研究所のSPEARモデルと比較し,エルニーニョ/南方振動(ENSO)の予測能力を示す。
論文 参考訳(メタデータ) (2024-06-12T20:29:14Z) - Data-driven Global Ocean Modeling for Seasonal to Decadal Prediction [39.7461632644892]
ORCA-DLは,海洋循環の季節的・季節的な予測を行う最初のデータ駆動型3次元海洋モデルである。
三次元海洋力学を正確にシミュレートし、最先端の力学モデルより優れている。
ケイデンスの時間スケールで海洋力学を安定にエミュレートし、巧妙なデケイデンスの予測や気候予測にもその可能性を示す。
論文 参考訳(メタデータ) (2024-05-24T10:23:17Z) - OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。
1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
論文 参考訳(メタデータ) (2024-05-12T09:32:40Z) - A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳(メタデータ) (2024-02-06T13:20:56Z) - OceanNet: A principled neural operator-based digital twin for regional oceans [0.0]
本研究は、海洋循環のための原理的ニューラルオペレーターベースのデジタルツインであるOceanNetを紹介する。
オーシャンネットは北西大西洋西部境界流(ガルフストリーム)に適用される
論文 参考訳(メタデータ) (2023-10-01T23:06:17Z) - 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) - Learning-based estimation of in-situ wind speed from underwater
acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。
我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文 参考訳(メタデータ) (2022-08-18T15:27:40Z) - Modeling Oceanic Variables with Dynamic Graph Neural Networks [0.09830751917335563]
ブラジルのサントス・サンテ・ビセンテ・ベルティオガ地域における環境変数を予測するためのデータ駆動手法について述べる。
我々のモデルは、最先端のシーケンスモデルとリレーショナルモデルとを結合することにより、時間的および空間的帰納バイアスの両方を利用する。
実験の結果、柔軟性とドメイン知識の依存性のほとんどを維持しながら、私たちのモデルによってより良い結果が得られます。
論文 参考訳(メタデータ) (2022-06-25T22:43:02Z) - SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to
Generate an Improved Ocean Model [72.3183990520267]
シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。
具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。
提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
論文 参考訳(メタデータ) (2021-06-24T17:29:42Z) - A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。
このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
論文 参考訳(メタデータ) (2020-06-05T08:04:37Z)
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。