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
- 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) - Spatial-temporal Prompt Learning for Federated Weather Forecasting [50.379491498793485]
フェデレート気象予報は、異なる国や地域の参加者間で気象データを分析するための有望な協調学習フレームワークである。
本稿では,多くの分散型低リソースセンサを異なる場所に配置するフェデレート環境での気象データをモデル化する。
論文 参考訳(メタデータ) (2023-05-23T16:59:20Z) - 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) - 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) - Deep Autoregressive Models with Spectral Attention [74.08846528440024]
本稿では,深部自己回帰モデルとスペクトル注意(SA)モジュールを組み合わせた予測アーキテクチャを提案する。
時系列の埋め込みをランダムなプロセスの発生としてスペクトル領域に特徴付けることにより,グローバルな傾向と季節パターンを同定することができる。
時系列に対するグローバルとローカルの2つのスペクトルアテンションモデルは、この情報を予測の中に統合し、スペクトルフィルタリングを行い、時系列のノイズを除去する。
論文 参考訳(メタデータ) (2021-07-13T11:08:47Z) - Deep Learning based Extreme Heatwave Forecast [8.975667614727648]
最先端のプラシム・プラネット・シミュレーターの気候モデルデータを用いて,大クラスのアンダーサンプリングと転送学習を含む畳み込みニューラルネットワークに基づく深層学習フレームワークが,極端な熱波の発生を予測する上で有意な性能を発揮することを示した。
論文 参考訳(メタデータ) (2021-03-17T16:10:06Z) - 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) - 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。