論文の概要: Improving the Accuracy Of MEPDG Climate Modeling Using Radial Basis
Function
- arxiv url: http://arxiv.org/abs/2102.07890v1
- Date: Mon, 15 Feb 2021 23:05:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-17 14:48:05.499066
- Title: Improving the Accuracy Of MEPDG Climate Modeling Using Radial Basis
Function
- Title(参考訳): 放射状基底関数を用いたmepdg気候モデリングの精度向上
- Authors: Amirehsan Ghasemi, Kelvin J Msechu, Arash Ghasemi, Mbakisya A.
Onyango, Ignatius Fomunung, Joseph Owino
- Abstract要約: GravityモデルとRadar Basisの2つのメッシュフリー近似手法の精度を比較した。
ケーススタディでは,米国テンネシーの異なる場所における温度関数を比較した。
- 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: In this paper, the accuracy of two mesh-free approximation approaches, the
Gravity model and Radial Basis Function, are compared. The two schemes'
convergence behaviors prove that RBF is faster and more accurate than the
Gravity model. As a case study, the interpolation of temperature at different
locations in Tennesse, USA, are compared. Delaunay mesh generation is used to
create random points inside and on the border, which data can be incorporated
in these locations. 49 MERRA weather stations as used as data sources to
provide the temperature at a specific day and hour. The contours of
interpolated temperatures provided in the result section assert RBF is a more
accurate method than the Gravity model by showing a smoother and broader range
of interpolated data.
- Abstract(参考訳): 本稿では,2つのメッシュフリー近似手法である重力モデルと放射基底関数の精度を比較した。
2つのスキームの収束挙動は、RBFが重力モデルよりも高速で精度が高いことを証明している。
ケーススタディでは,米国テネセ州の異なる場所における温度の補間を比較した。
Delaunayメッシュ生成は、これらの場所にデータを組み込むことができる境界の内側と上にランダムなポイントを作成するために使用されます。
49 MERRA気象ステーションは、特定の日と時間の温度を提供するためにデータソースとして使用されます。
結果セクションで提供される補間温度の輪郭は、RBFは、補間データのより滑らかで広い範囲を示すことによって、重力モデルよりも正確な方法です。
関連論文リスト
- 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) - DiffDA: a Diffusion model for weather-scale Data Assimilation [20.745067811425173]
本研究では,予測状態とスパース観測を用いて大気変数を同化可能な拡散モデルとしてDiffDAを提案する。
天気予報モデルと天気予報専用拡散モデルとの類似性を認識し,事前学習したGraphCastニューラルネットワークを拡散モデルのバックボーンとして適用する。
論文 参考訳(メタデータ) (2024-01-11T14:11:12Z) - High-Cadence Thermospheric Density Estimation enabled by Machine
Learning on Solar Imagery [0.14061979259370275]
我々は、NASAのソーラー・ダイナミクス・オブザーバ(SDO)極紫外線(EUV)スペクトル画像をニューラル熱圏密度モデルに組み込む。
我々は、EUV画像により、時間分解能をはるかに高め、地上ベースのプロキシを置き換えることができることを示した。
論文 参考訳(メタデータ) (2023-11-12T23:39:21Z) - Learning Regionalization within a Differentiable High-Resolution
Hydrological Model using Accurate Spatial Cost Gradients [0.0]
未タグ漁獲物における空間分布水文パラメータの推定は, 地域化の問題を引き起こす。
本稿では,HDA-PR(Hybrid Data Assimilation and Regionalization)アプローチを提案する。
フランスの南方に位置する2つのフラッシュフロード・プロン地域の高分解能、時間、およびキロメートルの地域モデルで試験されている。
論文 参考訳(メタデータ) (2023-08-02T07:23:50Z) - Score Approximation, Estimation and Distribution Recovery of Diffusion
Models on Low-Dimensional Data [68.62134204367668]
本稿では,未知の低次元線形部分空間上でデータをサポートする場合の拡散モデルのスコア近似,推定,分布回復について検討する。
適切に選択されたニューラルネットワークアーキテクチャでは、スコア関数を正確に近似し、効率的に推定することができる。
推定スコア関数に基づいて生成された分布は、データ幾何学構造を捕捉し、データ分布の近傍に収束する。
論文 参考訳(メタデータ) (2023-02-14T17:02:35Z) - Modeling the space-time correlation of pulsed twin beams [68.8204255655161]
パラメトリックダウンコンバージョンによって生成される絡み合ったツインビームは、画像指向アプリケーションで好まれるソースである。
本研究では,時間消費数値シミュレーションと非現実的な平面波ポンプ理論のギャップを埋めることを目的とした半解析モデルを提案する。
論文 参考訳(メタデータ) (2023-01-18T11:29:49Z) - Physics-Informed Machine Learning Method for Large-Scale Data
Assimilation Problems [48.7576911714538]
我々は,未知のフラックス (Neumann) と様々なヘッド (Dirichlet) 境界条件を持つ地下流れをモデル化するための物理インフォームド条件付きKarhunen-Lo'eve展開法(PICKLE)を拡張した。
PICKLE法はMAP法と精度が比較できるが,大規模問題ではMAP法よりもはるかに高速であることを示す。
論文 参考訳(メタデータ) (2021-07-30T18:43:14Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳(メタデータ) (2021-07-14T21:10:47Z) - Predicting traffic signals on transportation networks using
spatio-temporal correlations on graphs [56.48498624951417]
本稿では,複数の熱拡散カーネルをデータ駆動予測モデルにマージして交通信号を予測する交通伝搬モデルを提案する。
予測誤差を最小限に抑えるためにベイズ推定を用いてモデルパラメータを最適化し,2つの手法の混合率を決定する。
提案モデルでは,計算労力の少ない最先端のディープニューラルネットワークに匹敵する予測精度を示す。
論文 参考訳(メタデータ) (2021-04-27T18:17:42Z) - A Deep Convolutional Neural Network Model for improving WRF Forecasts [0.19573380763700707]
我々は4年間の歴史を持つCNNモデル(2014-2017)をトレーニングし、WRFバイアスのパターンについて検討する。
次に, 風速, 方向, 降水量, 相対湿度, 表面圧力, 露点温度, 表面温度の予測値において, これらのバイアスを低減させる。
その結果,全駅でWRF予測が顕著に改善したことが示唆された。
論文 参考訳(メタデータ) (2020-08-14T17:48:06Z)
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。