論文の概要: Deep Learning Based Reconstruction of Total Solar Irradiance
- arxiv url: http://arxiv.org/abs/2107.11042v1
- Date: Fri, 23 Jul 2021 06:33:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-26 14:14:14.500040
- Title: Deep Learning Based Reconstruction of Total Solar Irradiance
- Title（参考訳）: 深層学習による全太陽放射の再構成
- Authors: Yasser Abduallah, Jason T. L. Wang, Yucong Shen, Khalid A. Alobaid,
Serena Criscuoli, Haimin Wang
- Abstract要約: 太陽放射の微妙な変化は、地球の気候や大気に大きな影響を与える可能性がある。
私たちの知る限りでは、ディープラーニングが9000年以上にわたって、全太陽放射の再構築に使われてきたのは今回が初めてです。
- 参考スコア（独自算出の注目度）: 1.7616042687330642
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Earth's primary source of energy is the radiant energy generated by the
Sun, which is referred to as solar irradiance, or total solar irradiance (TSI)
when all of the radiation is measured. A minor change in the solar irradiance
can have a significant impact on the Earth's climate and atmosphere. As a
result, studying and measuring solar irradiance is crucial in understanding
climate changes and solar variability. Several methods have been developed to
reconstruct total solar irradiance for long and short periods of time; however,
they are physics-based and rely on the availability of data, which does not go
beyond 9,000 years. In this paper we propose a new method, called TSInet, to
reconstruct total solar irradiance by deep learning for short and long periods
of time that span beyond the physical models' data availability. On the data
that are available, our method agrees well with the state-of-the-art
physics-based reconstruction models. To our knowledge, this is the first time
that deep learning has been used to reconstruct total solar irradiance for more
than 9,000 years.
- Abstract（参考訳）: 地球の主要なエネルギー源は、太陽が生成する放射エネルギーであり、全放射を測定する際に太陽放射(英語版)または全太陽放射(英語版) (TSI) と呼ばれる。
太陽の光のわずかな変化は、地球の気候や大気に大きな影響を与える可能性がある。
その結果、太陽放射能の研究と測定は、気候変動と太陽変動を理解する上で重要である。
太陽の照度を長く短期間に再現するためにいくつかの方法が開発されてきたが、物理学に基づくものであり、9000年以上経たないデータの可用性に依存している。
本稿では,TSInetと呼ばれる新しい手法を提案し,物理モデルのデータ利用範囲を超えて,短時間・長期間にわたって深層学習により全太陽放射を再構成する。
利用可能なデータについては、現状の物理に基づく復元モデルとよく一致している。
私たちの知る限りでは、9000年以上にわたって太陽の照度を再現するためにディープラーニングが使われたのは今回が初めてです。
関連論文リスト
- Forecasting SEP Events During Solar Cycles 23 and 24 Using Interpretable
Machine Learning [38.321248253111776]
我々は、新しいデータプロダクトの予測可能性を評価するために、一連の機械学習戦略を用いて、事後SEPイベントの予測を行う。
データ量の増大にもかかわらず、予測精度は 0.7 + 0.1 に達し、これはこれらのベンチマークに合致するが、公表されたベンチマークを超えない。
論文 参考訳（メタデータ） (2024-03-04T23:12:17Z) - Foundation Models for Weather and Climate Data Understanding: A
Comprehensive Survey [39.08108001903514]
私たちは、気象や気候データのために特別に設計された最先端のAI方法論を、徹底的に、タイムリーに概説しています。
主な対象は、気象・気候データの種類、主モデル、モデルスコープと応用、気象・気候のデータセットの4つである。
論文 参考訳（メタデータ） (2023-12-05T01:10:54Z) - Machine learning in solar physics [0.0]
太陽物理学における機械学習の応用は、太陽の大気で起こる複雑な過程の理解を大幅に強化する可能性がある。
深層学習などの手法を用いることで、私たちは現在、太陽観測から大量のデータを分析する立場にある。
太陽フレアのような爆発的な現象の理解を深め、地球環境に強い影響を与える可能性がある。
論文 参考訳（メタデータ） (2023-06-27T08:55:20Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-06-01T19:54:39Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳（メタデータ） (2023-04-14T14:40:32Z) - Computational Solar Energy -- Ensemble Learning Methods for Prediction
of Solar Power Generation based on Meteorological Parameters in Eastern India [0.0]
特定の地理的位置に対して太陽光発電(PV)発電量を推定することが重要である。
本稿では,太陽PV発電における気象パラメータの影響を,Bagging,Boosting,Stacking,VottingなどのEnsemble ML(EML)モデルを用いて推定する。
その結果,スタックモデルと投票モデルでは,約96%の予測精度が得られた。
論文 参考訳（メタデータ） (2023-01-21T19:16:03Z) - SunStage: Portrait Reconstruction and Relighting using the Sun as a
Light Stage [75.0473791925894]
光のステージは、様々な照明と視点の下で被写体の顔の外観を捉えるために、調整されたカメラとライトを使用する。
残念なことに、ライトステージは高価であり、建設と運用に重要な技術的専門知識を必要とするため、アクセスできないことが多い。
SunStageは、スマートフォンのカメラと太陽だけを使って、同等のデータをキャプチャするライトステージの軽量な代替品だ。
論文 参考訳（メタデータ） (2022-04-07T17:59:51Z) - An Artificial Intelligence Dataset for Solar Energy Locations in India [6.454602468926006]
インドは2030年までに300ギガワットの太陽エネルギーを投入するという野心的な目標を掲げている。
土地利用プランナーは、PVインフラの最新の正確な地理空間情報にアクセスする必要がある。
インド全土の実用規模のソーラープロジェクトを地図化するための空間的明示的な機械学習モデルを構築した。
論文 参考訳（メタデータ） (2022-01-31T23:53:19Z) - HyperionSolarNet: Solar Panel Detection from Aerial Images [0.7157957528875099]
深層学習法を用いて,空中画像を用いたソーラーパネル位置とその表面積の自動検出を行う。
我々の研究は、ソーラーパネルの検出に効率的でスケーラブルな方法を提供し、分類に0.96の精度とセグメンテーション性能に0.82のIoUスコアを達成している。
論文 参考訳（メタデータ） (2022-01-06T15:43:13Z) - Radiation-Induced Dark Counts for Silicon Single-Photon Detectors in
Space [55.41644538483948]
イオン化放射線による検出器の材料格子の変位損傷は、検出器の永久的な暗カウントの増加をもたらす。
高高度の核爆発が発生した場合、爆発によって生成された人工放射線帯は、低軌道衛星のシリコン単光子検出器に過度に損傷を与える。
論文 参考訳（メタデータ） (2021-11-17T22:36:41Z) - Prediction of Solar Radiation Using Artificial Neural Network [0.0]
本稿では,太陽放射の時間的活動を予測するアルゴリズムを提案する。
データセットは、空気の温度、時間、湿度、風速、気圧、風向き、太陽放射データで構成されている。
教師付き学習データを通じてパターンを解釈できるシステムを構築するために、2つのモデルを作成する。
論文 参考訳（メタデータ） (2021-04-01T20:41:27Z)
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。