論文の概要: A Deep and Wide Neural Network-based Model for Rajasthan Summer Monsoon Rainfall (RSMR) Prediction

• arxiv url: http://arxiv.org/abs/2103.02157v1
• Date: Wed, 3 Mar 2021 03:42:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-06 19:14:12.720955
• Title: A Deep and Wide Neural Network-based Model for Rajasthan Summer Monsoon Rainfall (RSMR) Prediction
• Title（参考訳）: Rajasthan Summer Monsoon Rainfall (RSMR)予測のための深遠ニューラルネットワークに基づくモデル
• Authors: Vikas Bajpai and Anukriti Bansal
• Abstract要約: インドのラジャスタン州における夏季モンスーン降雨予測のための様々な深層学習手法の分析と評価を行う。 IMDグリッドデータセットから、ラジャスタンの地理的境界内にある484座標の降雨データが選択されます。 また,水資源部門から降雨量計158局の降雨データも収集した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Importance of monsoon rainfall cannot be ignored as it affects round the year activities ranging from agriculture to industrial. Accurate rainfall estimation and prediction is very helpful in decision making in the sectors of water resource management and agriculture. Due to dynamic nature of monsoon rainfall, it's accurate prediction becomes very challenging task. In this paper, we analyze and evaluate various deep learning approaches such as one dimensional Convolutional Neutral Network, Multi-layer Perceptron and Wide Deep Neural Networks for the prediction of summer monsoon rainfall in Indian state of Rajasthan.For our analysis purpose we have used two different types of datasets for our experiments. From IMD grided dataset, rainfall data of 484 coordinates are selected which lies within the geographical boundaries of Rajasthan. We have also collected rainfall data of 158 rain gauge station from water resources department. The comparison of various algorithms on both these data sets is presented in this paper and it is found that Deep Wide Neural Network based model outperforms the other two approaches.
• Abstract（参考訳）: モンスーンの降雨の重要性は、農業から工業まで年間を通じての活動に影響を与えるため無視できない。 正確な降雨推定と予測は、水資源管理と農業の分野における意思決定に非常に役立ちます。 モンスーン降雨の動的性質のため、正確な予測は非常に難しい課題となる。 本稿では,インドのラジャスタン州における夏季モンスーン降雨を予測するために,一次元畳み込みニュートラルネットワーク,多層パーセプトロン,広層ニューラルネットワークなど,様々な深層学習手法を分析し,評価する。 IMDグリッドデータセットから、ラジャスタンの地理的境界内にある484座標の降雨データが選択されます。 また,水資源部門から降雨量計158局の降雨データも収集した。 本稿では,これら2つのデータセットにおける各種アルゴリズムの比較を行い,ディープワイドニューラルネットワークモデルが,他の2つのアプローチよりも優れていることを示す。

関連論文リスト

• Estimation of the Area and Precipitation Associated with a Tropical Cyclone Biparjoy by using Image Processing [6.68100259034081]
  本稿では,リモートセンシングデータを用いて降水量と被害地域への影響を推定する手法を提案する。 サイクロンに関連付けられた降水クラスターの同定と抽出に画像処理技術が用いられた。 その結果、ビパルジョイはインドとアラビア海の平均降水量は53.14mm/日であり、インドの境界は1日11.59mm/日であり、面積は411.76000平方キロメートルである。
  論文  参考訳（メタデータ） (2024-07-07T04:41:27Z)
• Enhanced Precision in Rainfall Forecasting for Mumbai: Utilizing Physics Informed ConvLSTM2D Models for Finer Spatial and Temporal Resolution [0.0]
  本研究では,降雨予測精度の向上を目的とした深層学習空間モデルを提案する。 この仮説を検証するため,インド・ムンバイに先立つ降水量6hrと12hrを予測するために,ConvLSTM2Dモデルを導入した。
  論文  参考訳（メタデータ） (2024-04-01T13:56:12Z)
• TRG-Net: An Interpretable and Controllable Rain Generator [61.2760968459789]
  本研究は,降雨の基盤となる物理的発生機構を十分に考慮した,新しい深層学習型降雨発生器を提案する。 その意義は、発電機が予想される雨をシミュレートするために雨の本質的な要素を精巧に設計するだけでなく、複雑で多様な雨のイメージに微妙に適応することにある。 提案した雨発生器が発生した雨は, 高品質であるだけでなく, 排水作業や下流作業にも有効であることを示す。
  論文  参考訳（メタデータ） (2024-03-15T03:27:39Z)
• Analysis of Rainfall Variability and Water Extent of Selected Hydropower Reservoir Using Google Earth Engine (GEE): A Case Study from Two Tropical Countries, Sri Lanka and Vietnam [0.0]
  本研究では,ベトナムとスリランカにおける降雨パターンの総合的リモートセンシング分析と水力貯水池水深の選択について述べる。 両国の平均年間降水量は決定され、月平均降水量は時間変動する。 その結果, 降雨パターンと貯水量との関係が明らかとなり, モンスーンシーズンの降水量が増加し, その後の数ヶ月で水量も増加した。
  論文  参考訳（メタデータ） (2023-10-09T12:51:46Z)
• Unleashing the Power of Dynamic Mode Decomposition and Deep Learning for Rainfall Prediction in North-East India [0.27488316163114823]
  本研究では,DMD(Dynamic Mode Decomposition)とLSTM(Long Short-Term Memory)という2つのデータ駆動手法を用いた降雨予測手法について検討した。 複数の気象観測所から得られた過去の降雨データを用いて,将来の降雨パターンを予測するためのモデルを訓練し,検証した。 以上の結果から,インド北東部地域の降雨予測精度は,データ駆動手法により著しく向上することが示唆された。
  論文  参考訳（メタデータ） (2023-09-17T17:58:06Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• 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)
• Semi-Supervised Video Deraining with Dynamic Rain Generator [59.71640025072209]
  本稿では,降雨層に適合する動的降雨発生器を用いた半教師付きビデオデレーシング手法を提案する。 具体的には、1つのエミッションモデルと1つのトランジションモデルから成り、空間的物理的構造と時系列の雨の連続的な変化を同時にエンコードする。 ラベル付き合成およびラベルなしの実データのために、それらの基礎となる共通知識を十分に活用するために、様々な先行フォーマットが設計されている。
  論文  参考訳（メタデータ） (2021-03-14T14:28:57Z)
• Dual Attention-in-Attention Model for Joint Rain Streak and Raindrop Removal [103.4067418083549]
  降雨量と降雨量の両方を同時に除去する2つのDAMを含むDual Attention-in-Attention Model (DAiAM)を提案する。 提案手法は,降雨量と降雨量とを同時に除去できるだけでなく,両タスクの最先端性能も達成できる。
  論文  参考訳（メタデータ） (2021-03-12T03:00:33Z)
• Prediction of Rainfall in Rajasthan, India using Deep and Wide Neural Network [0.5735035463793008]
  インド・ラジャサン州の降雨予測モデル(DWRPM)を提案する。 地理的パラメータ(緯度と経度)の情報は、ユニークな方法で含まれる。 結果とLSTMやCNNのような様々な深層学習手法を比較し,シーケンスベースの予測でうまく機能することが確認された。
  論文  参考訳（メタデータ） (2020-10-22T15:01:22Z)
• From Rain Generation to Rain Removal [67.71728610434698]
  雨層を生成物としてパラメータ化した雨画像のためのベイズ生成モデルを構築した。 降雨画像の統計的分布を推定するために,変分推論の枠組みを用いる。 総合的な実験により,提案モデルが複雑な降雨分布を忠実に抽出できることが確認された。
  論文  参考訳（メタデータ） (2020-08-08T18:56:51Z)

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。