論文の概要: Forecasting Significant Wave Heights in Oceanic Waters

• arxiv url: http://arxiv.org/abs/2105.08583v1
• Date: Tue, 18 May 2021 15:12:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-19 17:32:17.463837
• Title: Forecasting Significant Wave Heights in Oceanic Waters
• Title（参考訳）: 海洋水中の有意な波高の予測
• Authors: Pujan Pokhrel, Elias Ioup, Md Tamjidul Hoque, Mahdi Abdelguerfi, Julian Simeonov
• Abstract要約: まず,様々なパラメータをキャスティングし,30分間隔で予測した。 提案アルゴリズムは,Scatter Index (SI), Bias, Correlation Coefficient, Root Mean Squared Error (RMSE) の0.130, -0.002, 0.97, 0.14を1日先立って予測する。 提案アルゴリズムは,1日先進予測のための有意な波高予測に一般的に使用される最先端手法よりも,はるかに優れた性能を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a machine learning method based on the Extra Trees (ET) algorithm for forecasting Significant Wave Heights in oceanic waters. To derive multiple features from the CDIP buoys, which make point measurements, we first nowcast various parameters and then forecast them at 30-min intervals. The proposed algorithm has Scatter Index (SI), Bias, Correlation Coefficient, Root Mean Squared Error (RMSE) of 0.130, -0.002, 0.97, and 0.14, respectively, for one day ahead prediction and 0.110, -0.001, 0.98, and 0.122, respectively, for 14-day ahead prediction on the testing dataset. While other state-of-the-art methods can only forecast up to 120 hours ahead, we extend it further to 14 days. This 14-day limit is not the forecasting limit, but it arises due to our experiment's setup. Our proposed setup includes spectral features, hv-block cross-validation, and stringent QC criteria. The proposed algorithm performs significantly better than the state-of-the-art methods commonly used for significant wave height forecasting for one-day ahead prediction. Moreover, the improved performance of the proposed machine learning method compared to the numerical methods, shows that this performance can be extended to even longer time periods allowing for early prediction of significant wave heights in oceanic waters.
• Abstract（参考訳）: 本稿では,海洋水中の波高を推定するための余分木(et)アルゴリズムに基づく機械学習手法を提案する。 点計測を行うCDIPブイから複数の特徴を導出するため,まず様々なパラメータを解析し,30分間隔で予測する。 提案アルゴリズムは、それぞれ1日前の予測でScatter Index (SI), Bias, correlation Coefficient, Root Mean Squared Error (RMSE) が0.130,-0.002, 0.97, 0.14であり、テストデータセット上で14日前の予測では0.110,-0.001, 0.98, 0.122である。 他の最先端の手法では120時間前にしか予測できないが、さらに14日延長する。 この14日間の制限は予測限界ではないが、実験のセットアップによって生じる。 提案手法は,スペクトル特性,hvブロッククロスバリデーション,厳密QC基準を含む。 提案アルゴリズムは,1日先進予測のための有意な波高予測に一般的に使用される最先端手法よりも,はるかに優れた性能を示す。 さらに, 数値計算法と比較して, 提案手法の性能が向上し, 海洋水中の波高を早期に予測できる長周期に拡張できることを示した。

関連論文リスト

• Pedestrian Trajectory Forecasting Using Deep Ensembles Under Sensing Uncertainty [125.41260574344933]
  エンコーダ・デコーダをベースとした深層アンサンブルネットワークは,認識と予測の不確実性の両方を同時に捕捉する。 全体として、深層アンサンブルはより堅牢な予測を提供し、上流の不確実性の考慮により、モデルの推定精度をさらに高めた。
  論文  参考訳（メタデータ） (2023-05-26T04:27:48Z)
• FengWu: Pushing the Skillful Global Medium-range Weather Forecast beyond 10 Days Lead [93.67314652898547]
  人工知能(AI)に基づく高度データ駆動型中距離気象予報システムFengWuについて紹介する。 FengWuは大気力学を正確に再現し、0.25度緯度で37の垂直レベルで将来の陸と大気の状態を予測することができる。 その結果、FengWuは予測能力を大幅に向上させ、熟練した中距離気象予報を10.75日間のリードまで拡張できることがわかった。
  論文  参考訳（メタデータ） (2023-04-06T09:16:39Z)
• A Machine Learning Outlook: Post-processing of Global Medium-range Forecasts [0.0]
  後処理は通常、数値気象予測(NWP)モデルの出力を受け取り、線形統計手法を適用する。 本研究では, 温度850hPaで7日間の予測において, 最大12%(RMSE)の精度向上を達成できることを示す。 我々は、ルート平均二乗誤差 (RMSE) や異常相関係数 (ACC) といった標準メトリクスを使用する際の課題について議論する。
  論文  参考訳（メタデータ） (2023-03-28T20:48:01Z)
• Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast [91.9372563527801]
  我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。 初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。 Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
  論文  参考訳（メタデータ） (2022-11-03T17:19:43Z)
• Exceedance Probability Forecasting via Regression for Significant Wave Height Prediction [0.0]
  沿岸災害の原因となる大きな波高の極端な値の予測に着目する。 本稿では,点予測に基づく新しい手法を提案する。 カナダのハリファックス沿岸に設置したスマートブイのデータを用いて実験を行った。
  論文  参考訳（メタデータ） (2022-06-20T14:55:17Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Efficient and Differentiable Conformal Prediction with General Function Classes [96.74055810115456]
  本稿では,複数の学習可能なパラメータに対する共形予測の一般化を提案する。 本研究は, クラス内において, ほぼ有効な人口被覆率, ほぼ最適効率を実現していることを示す。 実験の結果,提案アルゴリズムは有効な予測セットを学習し,効率を著しく向上できることがわかった。
  論文  参考訳（メタデータ） (2022-02-22T18:37:23Z)
• Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
  本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。 我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。 実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
  論文  参考訳（メタデータ） (2021-05-25T14:35:46Z)
• A LightGBM based Forecasting of Dominant Wave Periods in Oceanic Waters [0.0]
  我々は、LightGBMとExtra Treesを使用して、30日間の波浪期間を予測するアルゴリズムを訓練する。 トレーニングとテストデータセットの両方に類似したR2スコアは、本論文で開発された機械学習モデルが堅牢であることを示唆している。
  論文  参考訳（メタデータ） (2021-05-18T16:58:05Z)
• Random Forest Classifier Based Prediction of Rogue waves on Deep Oceans [0.0]
  本稿では, 統計的機械学習手法を用いて, 海洋におけるローグ波の予測手法を提案する。 提案アルゴリズムの全体的な精度は89.57%から91.81%であり、予測時間ウィンドウによってバランス精度は79.41%から83%に変化する。
  論文  参考訳（メタデータ） (2020-03-13T18:06:47Z)

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。