論文の概要: Reservoir Computing as a Tool for Climate Predictability Studies
- arxiv url: http://arxiv.org/abs/2103.06206v1
- Date: Wed, 24 Feb 2021 22:22:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 00:49:23.871413
- Title: Reservoir Computing as a Tool for Climate Predictability Studies
- Title(参考訳): 気候予測可能性研究のツールとしての貯留層計算
- Authors: B. T. Nadiga
- Abstract要約: 我々は、Reservoir Computingが線形逆モデリングアプローチの予測スキルを改善する代替非線形アプローチを提供することを示す。
RC手法の幅広い条件に対する予測能力の向上は、この機械学習技術が気候予測可能性研究に有効である可能性を示唆している。
- 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: Reduced-order dynamical models play a central role in developing our
understanding of predictability of climate irrespective of whether we are
dealing with the actual climate system or surrogate climate-models. In this
context, the Linear-Inverse-Modeling (LIM) approach, by capturing a few
essential interactions between dynamical components of the full system, has
proven valuable in providing insights into predictability of the full system.
We demonstrate that Reservoir Computing (RC), a form of learning suitable for
systems with chaotic dynamics, provides an alternative nonlinear approach that
improves on the predictive skill of the LIM approach. We do this in the example
setting of predicting sea-surface-temperature in the North Atlantic in the
pre-industrial control simulation of a popular earth system model, the
Community-Earth-System-Model so that we can compare the performance of the new
RC based approach with the traditional LIM approach both when learning data is
plentiful and when such data is more limited. The improved predictive skill of
the RC approach over a wide range of conditions -- larger number of retained
EOF coefficients, extending well into the limited data regime, etc. -- suggests
that this machine-learning technique may have a use in climate predictability
studies. While the possibility of developing a climate emulator -- the ability
to continue the evolution of the system on the attractor long after failing to
be able to track the reference trajectory -- is demonstrated in the Lorenz-63
system, it is suggested that further development of the RC approach may permit
such uses of the new approach in more realistic predictability studies.
- Abstract(参考訳): 縮小次数力学モデルは、実際の気候システムや代理気候モデルを扱うかどうかに関わらず、気候の予測可能性を理解する上で中心的な役割を果たす。
この文脈では、線形-逆モデリング(LIM)アプローチは、完全なシステムの動的コンポーネント間のいくつかの重要な相互作用をキャプチャすることで、完全なシステムの予測可能性に関する洞察を提供するのに有用であることが証明されている。
カオスダイナミクスを持つシステムに適した学習形式であるリザーバコンピューティング(rc)は、limアプローチの予測スキルを向上させる代替非線形アプローチを提供することを実証する。
我々は,北大西洋における海面温度の予測を,一般的な地球系モデルであるコミュニティ・アース・システム・モデル(Community-Earth-System-Model)の先進的制御シミュレーションで行う例において,学習データが豊富であり,データに制限がある場合にも,新しいRCベースのアプローチと従来のLIMアプローチのパフォーマンスを比較することができる。
RCアプローチの予測スキルは、広範囲な条件 -- 保持されるEOF係数の多さ、制限されたデータ構造への拡張など -- に対して改善されている。
この機械学習技術は、気候予測可能性の研究に有効かもしれない。
気候エミュレータの開発の可能性 - 基準軌道の追跡に失敗した後、引力器のシステムの進化を継続する能力 - はロレンツ-63システムで実証されているが、RCアプローチのさらなる発展は、より現実的な予測可能性研究において新しいアプローチの活用を可能にすることを示唆している。
関連論文リスト
- Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。
我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。
本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
論文 参考訳(メタデータ) (2024-09-11T19:31:56Z) - Applications of machine learning to predict seasonal precipitation for East Africa [0.0]
大規模な気候変動は、局所的または地域的温度または降水と線形または非線型な方法で関連付けられている。
本稿では,東アフリカにおける季節降水量の予測に解釈可能なML手法を用いることを検討した。
論文 参考訳(メタデータ) (2024-09-10T06:16:03Z) - Probabilistic Emulation of a Global Climate Model with Spherical DYffusion [15.460280166612119]
本研究では, 高精度で物理的に整合した地球規模の気候アンサンブルシミュレーションを作成した最初の条件生成モデルを提案する。
我々のモデルは、動的インフォームド拡散フレームワーク(DYffusion)と、球状フーリエニューラル演算子(SFNO)アーキテクチャを統合する。
このモデルは、気候モデルエミュレーションのための金本位に近い性能を達成し、既存のアプローチを上回り、有望なアンサンブルスキルを実証する。
論文 参考訳(メタデータ) (2024-06-21T00:16:55Z) - Improving Building Temperature Forecasting: A Data-driven Approach with
System Scenario Clustering [3.2114754609864695]
暖房、換気、空調のシステムは、建築セクターにおけるエネルギー使用量の約40%を消費する。
大規模HVACシステム管理では,各サブシステムに対して詳細なモデルを構築することは困難である。
k平均クラスタリング法に基づく新しいデータ駆動室温予測モデルを提案する。
論文 参考訳(メタデータ) (2024-02-21T09:04:45Z) - Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
気象予報に拡散モデル(DM)を適用した新しい手法を提案する。
提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。
我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
論文 参考訳(メタデータ) (2024-02-06T21:28:42Z) - A Bayesian Approach to Robust Inverse Reinforcement Learning [54.24816623644148]
我々は、オフラインモデルに基づく逆強化学習(IRL)に対するベイズ的アプローチを考える。
提案フレームワークは,専門家の報酬関数と環境力学の主観的モデルとを同時推定することにより,既存のオフラインモデルベースIRLアプローチとは異なる。
本分析は, 専門家が環境の高精度なモデルを持つと考えられる場合, 評価政策が堅牢な性能を示すという新たな知見を提示する。
論文 参考訳(メタデータ) (2023-09-15T17:37:09Z) - Stabilizing Machine Learning Prediction of Dynamics: Noise and
Noise-inspired Regularization [58.720142291102135]
近年、機械学習(ML)モデルはカオス力学系の力学を正確に予測するために訓練可能であることが示されている。
緩和技術がなければ、この技術は人工的に迅速にエラーを発生させ、不正確な予測と/または気候不安定をもたらす可能性がある。
トレーニング中にモデル入力に付加される多数の独立雑音実効化の効果を決定論的に近似する正規化手法であるLinearized Multi-Noise Training (LMNT)を導入する。
論文 参考訳(メタデータ) (2022-11-09T23:40:52Z) - Catch-22s of reservoir computing [0.0]
Reservoir Computingは、データから非線形力学系の挙動を予測するための、シンプルで効率的なフレームワークである。
我々は,システムの初期状態からどのアトラクタが収束するかを決定する,流域予測の重要な問題に焦点をあてる。
元の方程式に正確な非線形性を組み込むことで、NGRCは複雑で高次元的なアトラクションの流域を正確に再構築できることを示す。
論文 参考訳(メタデータ) (2022-10-18T23:31:15Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳(メタデータ) (2022-06-07T13:51:35Z) - A Bayesian Deep Learning Approach to Near-Term Climate Prediction [12.870804083819603]
気候予測に対する補完的な機械学習に基づくアプローチを追求する。
特に,Densenetアーキテクチャのフィードフォワード畳み込みネットワークは,予測能力において,畳み込みLSTMよりも優れていることがわかった。
論文 参考訳(メタデータ) (2022-02-23T00:28:36Z) - Using Data Assimilation to Train a Hybrid Forecast System that Combines
Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。
動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文 参考訳(メタデータ) (2021-02-15T19:56:48Z)
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。