論文の概要: Controlling Weather Field Synthesis Using Variational Autoencoders
- arxiv url: http://arxiv.org/abs/2108.00048v1
- Date: Fri, 30 Jul 2021 19:17:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-03 15:23:37.465137
- Title: Controlling Weather Field Synthesis Using Variational Autoencoders
- Title(参考訳): 変分オートエンコーダを用いた気象場合成制御
- Authors: Dario Augusto Borges Oliveira, Jorge Guevara Diaz, Bianca Zadrozny,
Campbell Watson
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One of the consequences of climate change is anobserved increase in the
frequency of extreme cli-mate events. That poses a challenge for
weatherforecast and generation algorithms, which learnfrom historical data but
should embed an often un-certain bias to create correct scenarios. This
paperinvestigates how mapping climate data to a knowndistribution using
variational autoencoders mighthelp explore such biases and control the
synthesisof weather fields towards more extreme climatescenarios. We
experimented using a monsoon-affected precipitation dataset from southwest
In-dia, which should give a roughly stable pattern ofrainy days and ease our
investigation. We reportcompelling results showing that mapping complexweather
data to a known distribution implementsan efficient control for weather field
synthesis to-wards more (or less) extreme scenarios.
- Abstract(参考訳): 気候変動の影響の1つは、極度の気候変動の頻度が観測されないほど増加することである。
これはweatherforecastやジェネレーションアルゴリズムにとって課題であり、過去のデータから学ぶことはできるが、正確なシナリオを作成するためにしばしば未確認のバイアスを埋め込む必要がある。
この論文は、変動型オートエンコーダを用いて、気候データを既知の分布にどのようにマッピングするかを調査し、より極端な気候シナリオに向けて気象場の合成を制御する。
西南インド諸島のモンスーンに影響を受けた降水データセットを用いて実験を行ったところ、およそ安定した日数と調査の容易さが得られた。
我々は,複合気象データを既知の分布にマッピングした結果,気象場合成の効率的な制御がより極端なシナリオに向けられることを示した。
関連論文リスト
- A Generative Framework for Probabilistic, Spatiotemporally Coherent Downscaling of Climate Simulation [23.504915709396204]
本稿では,高分解能リアナリシスデータに基づいて学習したスコアベース拡散モデルを用いて,局所気象力学の統計的特性を抽出する新しい生成フレームワークを提案する。
本研究では,地球規模の気候出力と一致した空間的・時間的気象動態をモデル化した。
論文 参考訳(メタデータ) (2024-12-19T19:47:35Z) - Advancing Meteorological Forecasting: AI-based Approach to Synoptic Weather Map Analysis [3.686808512438363]
本研究では,新しい事前処理手法と畳み込みオートエンコーダモデルを提案する。
このモデルでは、現在の大気条件にほぼ一致する歴史的シンフォティック気象図を認識できた。
論文 参考訳(メタデータ) (2024-11-08T07:46:50Z) - 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) - 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) - 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) - Improving extreme weather events detection with light-weight neural
networks [0.0]
気候データから熱帯低気圧と大気河川のセマンティックセグメンテーションを訓練した軽量なコンテキストガイド畳み込みニューラルネットワークアーキテクチャを改良した。
我々の主な焦点は熱帯のサイクロンであり、最も破壊的な気象現象であり、現在のモデルでは性能が限られている。
論文 参考訳(メタデータ) (2023-03-31T23:38:54Z) - 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) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳(メタデータ) (2021-07-14T21:10:47Z) - Generative modeling of spatio-temporal weather patterns with extreme
event conditioning [12.009805255100574]
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。
論文 参考訳(メタデータ) (2021-04-26T10:58:44Z) - 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。