論文の概要: Assessment of Neural Networks for Stream-Water-Temperature Prediction
- arxiv url: http://arxiv.org/abs/2110.04254v1
- Date: Fri, 8 Oct 2021 17:04:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-11 16:55:35.602451
- Title: Assessment of Neural Networks for Stream-Water-Temperature Prediction
- Title(参考訳): ストリーム水温予測のためのニューラルネットワークの評価
- Authors: Stefanie Mohr and Konstantina Drainas and Juergen Geist
- Abstract要約: システムのレジリエンスと緩和策を特定するためには,ドライバの機械的理解と期待される変化の大きさが不可欠である。
本研究では,ドイツの6つの河川における水温予測のための最先端ニューラルネットワーク (NN) の選定について述べる。
- 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: Climate change results in altered air and water temperatures. Increases
affect physicochemical properties, such as oxygen concentration, and can shift
species distribution and survival, with consequences for ecosystem functioning
and services. These ecosystem services have integral value for humankind and
are forecasted to alter under climate warming. A mechanistic understanding of
the drivers and magnitude of expected changes is essential in identifying
system resilience and mitigation measures. In this work, we present a selection
of state-of-the-art Neural Networks (NN) for the prediction of water
temperatures in six streams in Germany. We show that the use of methods that
compare observed and predicted values, exemplified with the Root Mean Square
Error (RMSE), is not sufficient for their assessment. Hence we introduce
additional analysis methods for our models to complement the state-of-the-art
metrics. These analyses evaluate the NN's robustness, possible maximal and
minimal values, and the impact of single input parameters on the output. We
thus contribute to understanding the processes within the NN and help
applicants choose architectures and input parameters for reliable water
temperature prediction models.
- Abstract(参考訳): 気候変動によって大気や水温が変化する。
酸素濃度などの物理化学的性質に影響を与え、生態系の機能やサービスに影響し、種の分布と生存をシフトさせることができる。
これらの生態系サービスは人類にとって不可欠な価値を持ち、温暖化下で変化すると予測されている。
システムのレジリエンスと緩和策を特定するためには,ドライバの機械的理解と期待される変化の大きさが不可欠である。
本研究では,ドイツの6つの河川における水温予測のためのニューラルネットワーク (NN) の選択について述べる。
実測値と予測値を比較する手法が,Root Mean Square Error (RMSE) に例示されているように,それらの評価には不十分であることを示す。
そこで我々は,最先端のメトリクスを補完する追加の分析手法を提案する。
これらの分析は、NNの頑健性、最大値と最小値、および単一入力パラメータが出力に与える影響を評価する。
したがって,nn内のプロセスを理解することに貢献し,水温予測モデルのアーキテクチャや入力パラメータの選択を支援する。
関連論文リスト
- Towards Physically Consistent Deep Learning For Climate Model Parameterizations [46.07009109585047]
深層学習に基づくパラメータ化のための効率的な教師付き学習フレームワークを提案する。
提案手法は,入力の小さな部分集合を実際の物理ドライバとして頑健に識別する。
我々のフレームワークは、データ駆動型気候モデルパラメータ化における大きな課題に対処するための重要なステップである。
論文 参考訳(メタデータ) (2024-06-06T10:02:49Z) - A Transformer variant for multi-step forecasting of water level and hydrometeorological sensitivity analysis based on explainable artificial intelligence technology [14.006797311342753]
Transformerは最先端のディープラーニング手法の一種であり、複雑な非線形過程をモデル化するための効果的なアプローチを提供する。
XAI法は,異なる要因が水位に与える影響を理解する上で重要な役割を担っている。
論文 参考訳(メタデータ) (2024-05-22T13:50:42Z) - 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,ExEnsembleという名称のトレーニングフリーな極値拡張戦略を導入し,画素値のばらつきを増大させ,予測ロバスト性を向上させる。
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) - 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) - A Three-regime Model of Network Pruning [47.92525418773768]
我々は、ニューラルネットワーク(NN)トレーニングのハイパーパラメータが刈り取り性能に与える影響をモデル化するために、温度のようなパラメータと負荷のようなパラメータを使用します。
プレプルーニングモデルにおける負荷様パラメータの値に依存すると、プレプルーニングモデルにおける温度様パラメータの値が増加するか、その後のプルーニング性能が向上または損なわれる可能性がある。
本モデルでは, 高温のダイコトモス効果は, ポストプランニングモデルにおいて, 異なるタイプの大域構造間の遷移と関係していることが明らかとなった。
論文 参考訳(メタデータ) (2023-05-28T08:09:25Z) - Predicting Critical Biogeochemistry of the Southern Ocean for Climate
Monitoring [1.8689461238197955]
我々は、南洋のケイ酸塩とリン酸塩の値を、温度、圧力、塩分濃度、酸素、硝酸塩、位置から予測するためにニューラルネットワークを訓練する。
これらのモデルを地球系モデル(ESM)およびBGC-Argoデータに適用し、この海洋観測ネットワークの有用性を拡大する。
論文 参考訳(メタデータ) (2021-10-30T00:13:46Z) - Heterogeneous Stream-reservoir Graph Networks with Data Assimilation [3.312798619476657]
河川の水温の正確な予測は、河川の生物地球化学的および生態学的過程を監視し、理解するために重要である。
本稿では,ストリーム・リザーバ・ネットワークを基盤とする相互作用プロセスを表現するため,不均一なリカレントグラフモデルを提案する。
貯水池の放水量は一定の貯水池では利用できないため,貯水池の放水に伴う予測バイアスを補正するデータ同化機構を開発する。
論文 参考訳(メタデータ) (2021-10-11T01:47:16Z) - Combining data assimilation and machine learning to estimate parameters
of a convective-scale model [0.0]
対流を許容する数値気象予測モデルにおける雲の表現の誤差は、異なる情報源によって導入することができる。
本研究では,2種類のニューラルネットワークをトレーニングすることにより,人工知能レンズによるパラメータ推定の問題を検討する。
論文 参考訳(メタデータ) (2021-09-07T09:17:29Z) - Physics-constrained deep neural network method for estimating parameters
in a redox flow battery [68.8204255655161]
バナジウムフローバッテリ(VRFB)のゼロ次元(0D)モデルにおけるパラメータ推定のための物理拘束型ディープニューラルネットワーク(PCDNN)を提案する。
そこで, PCDNN法は, 動作条件のモデルパラメータを推定し, 電圧の0Dモデル予測を改善することができることを示す。
また,PCDNNアプローチでは,トレーニングに使用しない操作条件のパラメータ値を推定する一般化能力が向上することが実証された。
論文 参考訳(メタデータ) (2021-06-21T23:42:58Z) - Augmented Convolutional LSTMs for Generation of High-Resolution Climate
Change Projections [1.7503398807380832]
統計的ダウンスケーリングのための補助的情報時空間ニューラルアーキテクチャを提案する。
現在の研究では、世界で最も気候的に多様化したインドにおいて、ESMの出力から1.15度 (115 km) から0.25度 (25 km) まで、毎日降水量のダウンスケーリングを行っている。
論文 参考訳(メタデータ) (2020-09-23T17:52:09Z) - A generative adversarial network approach to (ensemble) weather
prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。
提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文 参考訳(メタデータ) (2020-06-13T20:53:17Z)
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。