論文の概要: A Variational U-Net for Weather Forecasting
- arxiv url: http://arxiv.org/abs/2111.03476v1
- Date: Fri, 5 Nov 2021 12:52:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-08 18:24:50.298073
- Title: A Variational U-Net for Weather Forecasting
- Title(参考訳): 気象予報のための変分U-Net
- Authors: Pak Hay Kwok and Qi Qi
- Abstract要約: 本稿では,データの確率性を考慮した変分オートエンコーダと,詳細な詳細を復元するU-Netの機能を組み合わせた新しい変分U-Netを提案する。
このソリューションは、多くの共通点を持つTraffic4cast 2020の4番目のソリューションから進化したもので、非常に異なるドメインに適用可能であることを示唆しています。
- 参考スコア(独自算出の注目度): 4.0847949901305
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Not only can discovering patterns and insights from atmospheric data enable
more accurate weather predictions, but it may also provide valuable information
to help tackle climate change. Weather4cast is an open competition that aims to
evaluate machine learning algorithms' capability to predict future atmospheric
states. Here, we describe our third-place solution to Weather4cast. We present
a novel Variational U-Net that combines a Variational Autoencoder's ability to
consider the probabilistic nature of data with a U-Net's ability to recover
fine-grained details. This solution is an evolution from our fourth-place
solution to Traffic4cast 2020 with many commonalities, suggesting its
applicability to vastly different domains, such as weather and traffic.
- Abstract(参考訳): 大気データからパターンや洞察を見つけることは、より正確な天気予報を可能にするだけでなく、気候変動に取り組む上で有用な情報を提供するかもしれない。
weather4castは、将来の大気状態を予測する機械学習アルゴリズムの能力を評価するオープンコンペティションである。
ここでは、Weather4castの3番目のソリューションについて説明します。
本稿では,データの確率性を考慮した変分オートエンコーダと,詳細な詳細を復元するU-Netの機能を組み合わせた新しい変分U-Netを提案する。
このソリューションは、私たちの4番目のソリューションから、多くの共通点を持つtraffic4cast 2020への進化であり、天候や交通といった、非常に異なるドメインに適用可能であることを示唆している。
関連論文リスト
- FengWu-4DVar: Coupling the Data-driven Weather Forecasting Model with 4D Variational Assimilation [67.20588721130623]
我々は,AIを用いた循環型天気予報システムFengWu-4DVarを開発した。
FengWu-4DVarは観測データをデータ駆動の天気予報モデルに組み込むことができる。
シミュレーションされた観測データセットの実験は、FengWu-4DVarが合理的な解析場を生成することができることを示した。
論文 参考訳(メタデータ) (2023-12-16T02:07:56Z) - Skilful Precipitation Nowcasting Using NowcastNet [0.0]
降水今流しは、農業、輸送、公衆衛生、安全等に影響を及ぼすような事態に備えるのに役立ちます。
我々は最近提案した,物理条件の深い生成ネットワークである NowcastNet を用いて,衛星画像を用いたヨーロッパ各地の降水量の予測を行った。
論文 参考訳(メタデータ) (2023-11-29T11:24:52Z) - 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) - 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) - A Novel Transformer Network with Shifted Window Cross-Attention for
Spatiotemporal Weather Forecasting [5.414308305392762]
我々は,ビデオトランスを用いた天気予報の課題に取り組む。
視覚変換器のアーキテクチャは様々な用途で研究されている。
本稿では,ビデオスウィン・トランスフォーマーと専用拡張スキームの併用を提案する。
論文 参考訳(メタデータ) (2022-08-02T05:04:53Z) - Forecasting Future World Events with Neural Networks [68.43460909545063]
Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。
ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。
予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
論文 参考訳(メタデータ) (2022-06-30T17:59:14Z) - FourCastNet: A Global Data-driven High-resolution Weather Model using
Adaptive Fourier Neural Operators [45.520430157112884]
FourCastNetは、表面風速、降水量、大気水蒸気などの高解像度で高速な変数を正確に予測する。
風力エネルギー資源の計画、熱帯のサイクロン、熱帯のサイクロン、大気の川などの極端な気象現象の予測に重要な意味を持つ。
FourCastNetは2秒未満で1週間の予測を生成する。
論文 参考訳(メタデータ) (2022-02-22T22:19:35Z) - Forecasting large-scale circulation regimes using deformable
convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討
今後1~15日にわたって北大西洋-欧州の気象条件を予測した。
より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5~6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
論文 参考訳(メタデータ) (2022-02-10T11:37:00Z) - Efficient spatio-temporal weather forecasting using U-Net [0.0]
天気予報は、人間の日常生活における様々な側面において重要な役割を果たす。
ディープラーニングに基づくモデルは、多くの天気予報関連タスクで広範囲に成功している。
論文 参考訳(メタデータ) (2021-12-13T10:28:33Z) - Short-term precipitation prediction using deep learning [5.1589108738893215]
気象フィールドの1つのフレームを用いた3次元畳み込みニューラルネットワークは降水空間分布を予測することができることを示す。
このネットワークは、気象学の39年 (1980-2018) のデータと、連続した米国上空の毎日の降水に基づいて開発されている。
論文 参考訳(メタデータ) (2021-10-05T06:37:24Z) - 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。