論文の概要: Model-Agnostic Hybrid Numerical Weather Prediction and Machine Learning Paradigm for Solar Forecasting in the Tropics

• arxiv url: http://arxiv.org/abs/2112.04963v1
• Date: Thu, 9 Dec 2021 14:49:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-10 15:48:51.263839
• Title: Model-Agnostic Hybrid Numerical Weather Prediction and Machine Learning Paradigm for Solar Forecasting in the Tropics
• Title（参考訳）: モデル非依存型ハイブリッド数値気象予測と熱帯地域の太陽予報のための機械学習パラダイム
• Authors: Nigel Yuan Yun Ng, Harish Gopalan, Venugopalan S.G. Raghavan, Chin Chun Ooi
• Abstract要約: 数値天気予報(NWP)と機械学習(ML)の手法は、太陽の予測に人気がある。 しかし、NWPモデルは複数の物理パラメータ化が可能であり、サイト固有のNWP最適化が必要である。 地域NWPモデルが、パラメータ化の可能なグローバル気候モデルで使用される場合、これはさらに複雑である。 本研究では, 4つの放射線モデルに対して, 代替手法を提案し, 評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Numerical weather prediction (NWP) and machine learning (ML) methods are popular for solar forecasting. However, NWP models have multiple possible physical parameterizations, which requires site-specific NWP optimization. This is further complicated when regional NWP models are used with global climate models with different possible parameterizations. In this study, an alternative approach is proposed and evaluated for four radiation models. Weather Research and Forecasting (WRF) model is run in both global and regional mode to provide an estimate for solar irradiance. This estimate is then post-processed using ML to provide a final prediction. Normalized root-mean-square error from WRF is reduced by up to 40-50% with this ML error correction model. Results obtained using CAM, GFDL, New Goddard and RRTMG radiation models were comparable after this correction, negating the need for WRF parameterization tuning. Other models incorporating nearby locations and sensor data are also evaluated, with the latter being particularly promising.
• Abstract（参考訳）: 数値天気予報(NWP)と機械学習(ML)の手法は、太陽の予測に人気がある。 しかし、NWPモデルは複数の物理パラメータ化が可能であり、サイト固有のNWP最適化が必要である。 地域NWPモデルが異なるパラメータ化可能なグローバル気候モデルで使用される場合、これはさらに複雑である。 本研究では, 4つの放射線モデルに対して, 代替手法を提案し, 評価した。 気象調査・予測 (WRF) モデルは, 太陽放射量の推定を行うため, グローバルモードと地域モードの両方で動作する。 この推定は、最終的な予測を提供するためにMLを使用して後処理される。 WRFからの正規化ルート平均二乗誤差は、このML誤差補正モデルにより最大40-50%削減される。 CAM, GFDL, New Goddard, RRTMG の放射線モデルを用いた結果, 補正後と同等であり, WRFパラメータ化チューニングの必要性が否定された。 近くの場所やセンサーデータを含む他のモデルも評価され、後者は特に有望である。

関連論文リスト

• Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
  地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。 我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。 本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
  論文  参考訳（メタデータ） (2024-09-11T19:31:56Z)
• SMILE: Zero-Shot Sparse Mixture of Low-Rank Experts Construction From Pre-Trained Foundation Models [85.67096251281191]
  我々は、ゼロショットスパースミクチャー(SMILE)と呼ばれるモデル融合に対する革新的なアプローチを提案する。 SMILEは、余分なデータやさらなるトレーニングなしに、ソースモデルをMoEモデルにアップスケーリングできる。 画像分類やテキスト生成タスクなど,さまざまなシナリオに対して,フル微調整とLoRA微調整を用いて広範な実験を行う。
  論文  参考訳（メタデータ） (2024-08-19T17:32:15Z)
• Site-specific Deterministic Temperature and Humidity Forecasts with Explainable and Reliable Machine Learning [0.0]
  近年の機械学習の発展により、この問題に対する新しいアプローチとしてMLを適用することへの関心が高まっている。 我々は'Multi-SiteBoost'という名前のワーキングMLフレームワークを開発し、初期テストの結果はバイアス補正NWPモデルのグリッド値と比較して大幅に改善された。
  論文  参考訳（メタデータ） (2024-04-04T09:12:13Z)
• 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)
• Epidemic Modeling using Hybrid of Time-varying SIRD, Particle Swarm Optimization, and Deep Learning [6.363653898208231]
  疫学モデルは、拡散パターンが静止している場合の流行をモデル化するのに最適である。 本研究では,疫病モデル,粒子群最適化,深層学習を含むハイブリッドモデルを開発した。 本研究は、米国、インド、英国という3カ国の影響を受けた3つの国について、そのモデルを評価する。
  論文  参考訳（メタデータ） (2024-01-31T18:08:06Z)
• Model-Based Reparameterization Policy Gradient Methods: Theory and Practical Algorithms [88.74308282658133]
  Reization (RP) Policy Gradient Methods (PGM) は、ロボット工学やコンピュータグラフィックスにおける連続的な制御タスクに広く採用されている。 近年の研究では、長期強化学習問題に適用した場合、モデルベースRP PGMはカオス的かつ非滑らかな最適化環境を経験する可能性があることが示されている。 本稿では,長期モデルアンロールによる爆発的分散問題を緩和するスペクトル正規化法を提案する。
  論文  参考訳（メタデータ） (2023-10-30T18:43:21Z)
• 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)
• Benchmark Dataset for Precipitation Forecasting by Post-Processing the Numerical Weather Prediction [11.52104902059751]
  スタンドアロンNWPとDLのギャップを埋めるためのハイブリッドNWP-DLワークフローを提案する。 このワークフローでは、NWP出力を深いモデルに入力し、データを後処理して洗練された降水予測を生成する。 我々は,NWP予測とAWS観測による朝鮮半島の新たなデータセットを提案する。
  論文  参考訳（メタデータ） (2022-06-30T12:41:32Z)
• 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)
• Adaptive Neuro-Fuzzy Inference System and a Multilayer Perceptron Model Trained with Grey Wolf Optimizer for Predicting Solar Diffuse Fraction [0.0]
  太陽拡散率 (Diffuse Ratio) と呼ばれる太陽拡散率 (DF) の正確な予測は、太陽エネルギー研究において重要なトピックである。 3つの堅牢な機械学習(ML)モデルについて,スペインのアルメリアの時間単位の大規模なデータセット(ほぼ8年)を用いて検討した。
  論文  参考訳（メタデータ） (2020-09-13T19:32:15Z)
• Combining Parametric Land Surface Models with Machine Learning [0.8057006406834467]
  いくつかのAmeriFluxサイトで、ハイブリッド機械学習とプロセスベースモデリングのアプローチを提案し、評価した。 ハイブリッドモデルを用いて地球規模の陸地モデルを構築し, 現状を著しく上回る可能性を秘めている。
  論文  参考訳（メタデータ） (2020-02-14T17:50:33Z)

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。