Fugu-MT 論文翻訳(概要): Improving the Accuracy Of MEPDG Climate Modeling Using Radial Basis Function

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

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)
Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文参考訳（メタデータ） (2022-11-15T14:15:04Z)
Reduced Order Probabilistic Emulation for Physics-Based Thermosphere Models [0.0]
本研究は,TIE-GCM(Thermosphere Ionosphere Electrodynamics Circulation General Model)のための効率的なサロゲートを作成するために,確率論的機械学習(ML)手法を採用することを目的とする。利用可能なデータ全体で、TIE-GCM ROPEは従来の線形手法と同様の誤差を示しながら、嵐時モデリングを改善した。また,TIE-GCM ROPEは,TIE-GCM密度から得られる位置を5kmの偏りで捉えることができることを示す。
論文参考訳（メタデータ） (2022-11-08T17:36:37Z)
Improving trajectory calculations using deep learning inspired single image superresolution [0.0]
低分解能ERA5リアナリシスデータに基づいて、超解像のための最先端の深層残留ネットワークの様々なバージョンを訓練する。得られた風速は, 線形空間推定により得られた風の約半分の根平均2乗であることを示す。
論文参考訳（メタデータ） (2022-06-07T14:28:05Z)
Intelligent Spatial Interpolation-based Frost Prediction Methodology using Artificial Neural Networks with Limited Local Data [3.3607307817827032]
本研究の目的は,凍害予測のための現場の歴史的データやセンサへの依存を解消することである。提案手法は,アンサンブル学習を用いてモデルの精度を向上させる。その結果,提案手法は最大92.55%の精度で検出できることがわかった。
論文参考訳（メタデータ） (2022-04-15T21:14:07Z)
Uncertainty Quantification Techniques for Space Weather Modeling: Thermospheric Density Application [0.0]
熱圏密度を予測する非線形MLモデルを開発するための2つの手法を提案する。ローカルおよびグローバルデータセットでトレーニングされたモデルの性能を示す。精度の高い不確実性推定値を用いて,独立テストデータ上で11%の誤差を達成した。
論文参考訳（メタデータ） (2022-01-06T14:17:50Z)
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。