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
- EuLagNet: Eulerian Fluid Prediction with Lagrangian Dynamics [71.21948217845167]
本稿では, タングルサム流体力学に対処する新しいラグランジアン誘導パラダイムを提案する。
ユーレリア観測に基づいて未来を予測するのではなく、ユーレリア・ラグランジアンデュアルリカレントネットワーク(EuLagNet)を提案する。
EuLagNetは、適応サンプリングされたキー粒子の複数のスケールでの運動を追跡することで、マルチスケールの流体力学をキャプチャする。
論文 参考訳(メタデータ) (2024-02-04T09:45:35Z) - Surrogate Neural Networks to Estimate Parametric Sensitivity of Ocean
Models [2.956865819041394]
海洋プロセスはハリケーンや干ばつなどの現象に影響を与える。
理想的な海洋モデルでは、摂動パラメータアンサンブルデータと訓練された代理ニューラルネットワークモデルを生成した。
ニューラルサロゲートは1ステップの前進ダイナミクスを正確に予測し、パラメトリック感度を計算した。
論文 参考訳(メタデータ) (2023-11-10T16:37:43Z) - 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) - Learning the spatio-temporal relationship between wind and significant
wave height using deep learning [0.0]
本研究は,ビスケー湾の沖合における北大西洋風と波高(Hs)の関係について検討した。
最初のステップでは、畳み込みニューラルネットワーク(CNN)を使用して、Hsに寄与する空間的特徴を抽出する。
次に、長期短期記憶(LSTM)を用いて、風と波の間の長期的な時間的依存関係を学習する。
論文 参考訳(メタデータ) (2022-05-26T12:59:54Z) - Convolutional recurrent autoencoder network for learning underwater
ocean acoustics [0.0]
CRANアーキテクチャは、音響伝搬のためのデータ駆動ディープラーニングモデルである。
CRANは物理データの低次元表現を学習し、システムの進化を効率的に予測することができる。
CRANが複雑な海洋音響現象を学習する能力は、海洋船の意思決定とオンライン制御のリアルタイム予測の可能性を秘めている。
論文 参考訳(メタデータ) (2022-04-12T07:09:03Z) - Towards a Numerical Proof of Turbulence Closure [58.720142291102135]
本稿では, 統計誤差, ユーレリアおよびラグランジアン構造関数, エネルギーカスケードの断続統計を定量的に再現するディープリカレントニューラルネットワークに基づく閉包を提案する。
本研究は,3次元ナビエ-ストークス乱流に対する類似した手法の開発を奨励するものである。
論文 参考訳(メタデータ) (2022-02-18T16:31:57Z) - 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。