論文の概要: Generative modeling of spatio-temporal weather patterns with extreme event conditioning

• arxiv url: http://arxiv.org/abs/2104.12469v1
• Date: Mon, 26 Apr 2021 10:58:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-27 15:01:47.003641
• Title: Generative modeling of spatio-temporal weather patterns with extreme event conditioning
• Title（参考訳）: エクストリームイベントコンディショニングによる時空間気象パターンの生成モデル
• Authors: Konstantin Klemmer, Sudipan Saha, Matthias Kahl, Tianlin Xu, Xiao Xiang Zhu
• Abstract要約: 検出された極端な事象に基づいて気象パターンを生成する新しいGANベースのアプローチを提案する。 我々のアプローチは、極端気象イベントセグメンテーションマスクを符号化したGANディスクアンドリミネーターを増強する。 実世界の地表放射と風速データを用いた実験における我々のアプローチの適用可能性を強調します。
• 参考スコア（独自算出の注目度）: 12.009805255100574
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep generative models are increasingly used to gain insights in the geospatial data domain, e.g., for climate data. However, most existing approaches work with temporal snapshots or assume 1D time-series; few are able to capture spatio-temporal processes simultaneously. Beyond this, Earth-systems data often exhibit highly irregular and complex patterns, for example caused by extreme weather events. Because of climate change, these phenomena are only increasing in frequency. Here, we proposed a novel GAN-based approach for generating spatio-temporal weather patterns conditioned on detected extreme events. Our approach augments GAN generator and discriminator with an encoded extreme weather event segmentation mask. These segmentation masks can be created from raw input using existing event detection frameworks. As such, our approach is highly modular and can be combined with custom GAN architectures. We highlight the applicability of our proposed approach in experiments with real-world surface radiation and zonal wind data.
• Abstract（参考訳）: 深層生成モデルは、気候データなどの地理空間データ領域の洞察を得るために、ますます使われている。 しかし、既存のほとんどのアプローチは、時間的スナップショットや1Dの時系列を前提としています。 さらに、地球系のデータは、極端な気象現象によって引き起こされる、非常に不規則で複雑なパターンを示すことが多い。 気候変動のため、これらの現象は頻度的にのみ増加している。 本稿では,検出された極端事象に条件付き時空間気象パターンを生成するための新しいGANに基づく手法を提案する。 我々のアプローチは、極端気象イベントセグメンテーションマスクを符号化したGANジェネレータと識別器を増強する。 これらのセグメンテーションマスクは、既存のイベント検出フレームワークを使用して生入力から作成することができる。 このように、我々のアプローチは高度にモジュール化されており、カスタムのGANアーキテクチャと組み合わせることができる。 実地表面放射と帯状風データを用いた実験における提案手法の適用性を強調した。

関連論文リスト

• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
  我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。 次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。 気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
  論文  参考訳（メタデータ） (2024-08-08T06:47:21Z)
• SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
  天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。 伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。 本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-05-29T08:00:15Z)
• Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
  本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。 提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
  論文  参考訳（メタデータ） (2023-11-30T08:22:08Z)
• Precipitation nowcasting with generative diffusion models [0.0]
  降水処理における拡散モデルの有効性について検討した。 本研究は, 確立されたU-Netモデルの性能と比較したものである。
  論文  参考訳（メタデータ） (2023-08-13T09:51:16Z)
• ClimaX: A foundation model for weather and climate [51.208269971019504]
  ClimaXは気象と気候科学のディープラーニングモデルである。 気候データセットの自己教師型学習目標で事前トレーニングすることができる。 気候や気候の様々な問題に対処するために、微調整が可能である。
  論文  参考訳（メタデータ） (2023-01-24T23:19:01Z)
• A case study of spatiotemporal forecasting techniques for weather forecasting [4.347494885647007]
  実世界のプロセスの相関は時間的であり、それらによって生成されたデータは空間的および時間的進化の両方を示す。 時系列モデルが数値予測の代替となる。 本研究では,分解時間予測モデルにより計算コストを低減し,精度を向上することを示した。
  論文  参考訳（メタデータ） (2022-09-29T13:47:02Z)
• Controlling Weather Field Synthesis Using Variational Autoencoders [0.0]
  本稿では、気候データを既知の分布にマッピングすることで、そのようなバイアスを探索する方法について検討する。 In-dia南西部のモンスーンの影響した降水データセットを用いて実験を行った。 我々は,複素ウェザーデータを既知の分布にマッピングすることで,気象場合成の効率的な制御を極端に多く(あるいはそれ以下)行うことを報告した。
  論文  参考訳（メタデータ） (2021-07-30T19:17:30Z)
• DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
  地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。 妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。 本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
  論文  参考訳（メタデータ） (2020-11-23T20:13:37Z)

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。