論文の概要: An Evaluation of Machine Learning and Deep Learning Models for Drought Prediction using Weather Data

• arxiv url: http://arxiv.org/abs/2107.02517v1
• Date: Tue, 6 Jul 2021 10:19:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-07 14:00:09.737939
• Title: An Evaluation of Machine Learning and Deep Learning Models for Drought Prediction using Weather Data
• Title（参考訳）: 気象データを用いた干ばつ予測のための機械学習とディープラーニングモデルの評価
• Authors: Weiwei Jiang, Jiayun Luo
• Abstract要約: 干ばつは深刻な自然災害であり、長い期間と幅広い影響がある。 干ばつによる損失を減らすため、干ばつ予測は、対応する干ばつ防止と防災対策の基盤となる。 気象データを用いて機械学習モデルで干ばつを正確に予測できるかどうかは不明だ。
• 参考スコア（独自算出の注目度）: 1.1977931648859175
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Drought is a serious natural disaster that has a long duration and a wide range of influence. To decrease the drought-caused losses, drought prediction is the basis of making the corresponding drought prevention and disaster reduction measures. While this problem has been studied in the literature, it remains unknown whether drought can be precisely predicted or not with machine learning models using weather data. To answer this question, a real-world public dataset is leveraged in this study and different drought levels are predicted using the last 90 days of 18 meteorological indicators as the predictors. In a comprehensive approach, 16 machine learning models and 16 deep learning models are evaluated and compared. The results show no single model can achieve the best performance for all evaluation metrics simultaneously, which indicates the drought prediction problem is still challenging. As benchmarks for further studies, the code and results are publicly available in a Github repository.
• Abstract（参考訳）: 干ばつは深刻な自然災害であり、長い期間と幅広い影響がある。 干ばつによる損失を減らすため、干ばつ予測は、対応する干ばつ防止と防災対策の基盤となる。 この問題は文献で研究されているが、気象データを用いた機械学習モデルで干ばつを正確に予測できるかどうかは不明である。 この疑問に答えるために、実際の公共データセットをこの研究で活用し、過去90日間の18の気象指標を予測指標として、干ばつレベルを予測した。 包括的なアプローチでは、16の機械学習モデルと16のディープラーニングモデルを評価し比較する。 以上の結果から, 干ばつ予測問題はまだ困難な問題であり, 全ての評価指標に対して, 同時に最高の性能を達成できるモデルが存在しないことが示唆された。 さらなる研究のベンチマークとして、コードと結果はGithubリポジトリで公開されている。

関連論文リスト

• HR-Extreme: A High-Resolution Dataset for Extreme Weather Forecasting [12.561873438789242]
  本研究では,高解像度の極端気象事例を包含した包括的データセットを提案する。 HR-Extreme上での最先端ディープラーニングモデルと数値気象予測システム(NWP)の評価を行った。
  論文  参考訳（メタデータ） (2024-09-27T16:20:51Z)
• ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
  非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。 また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。 提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
  論文  参考訳（メタデータ） (2024-02-02T10:34:13Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• 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)
• GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
  我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。 全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。 我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-12-24T18:15:39Z)
• Experimental study of time series forecasting methods for groundwater level prediction [0.0]
  私たちは1026の地下水位時系列のデータセットを作成しました。 各時系列は、地下水位と降雨と蒸発散の2つの変数を毎日測定して作成されている。 ローカルおよびグローバルな時系列予測手法を含む様々な予測器を比較した。 その結果, 過去の地下水位と降雨量について, グローバルな手法を訓練することで, 最良の予測が得られることがわかった。
  論文  参考訳（メタデータ） (2022-09-28T08:58:55Z)
• Flood Prediction Using Machine Learning Models [0.0]
  本稿では,異なる機械学習モデルを用いて洪水の予測を行うことにより,この自然災害の極端なリスクを低減することを目的とする。 その結果、どのモデルがより正確な結果をもたらすかを理解するために比較分析を行う。
  論文  参考訳（メタデータ） (2022-08-02T03:59:43Z)
• On the Generalization of Agricultural Drought Classification from Climate Data [0.1908788674366693]
  干ばつの発生は遅く、様々な外部要因に依存するため、気候データの干ばつ検出は困難である。 我々は,水文モデルから得られた土壌水分指数(SMI)を構築した。 SMIに基づく干ばつ分類において,異なるモデルと逐次帰納的バイアスを伴わないモデルを比較した。
  論文  参考訳（メタデータ） (2021-11-30T14:49:46Z)
• Counterfactual Predictions under Runtime Confounding [74.90756694584839]
  本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。 本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
  論文  参考訳（メタデータ） (2020-06-30T15:49:05Z)

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。