論文の概要: Explainable deep learning for insights in El Nino and river flows
- arxiv url: http://arxiv.org/abs/2201.02596v1
- Date: Fri, 7 Jan 2022 18:39:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-10 15:35:33.085462
- Title: Explainable deep learning for insights in El Nino and river flows
- Title(参考訳): エルニーニョと川流の洞察のための説明可能な深層学習
- Authors: Yumin Liu, Kate Duffy, Jennifer G. Dy, and Auroop R. Ganguly
- Abstract要約: エルニーノ・サザン振動(エルニーノ・サザン・オシレーション、英語: El Nino Southern Oscillation、略称:ENSO)は、太平洋中部および東部の海面温度の半周期変動である。
近年の研究では、ENSO予測を改善するためのディープラーニング(DL)手法の価値が実証されている。
- 参考スコア(独自算出の注目度): 15.821929236741546
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The El Nino Southern Oscillation (ENSO) is a semi-periodic fluctuation in sea
surface temperature (SST) over the tropical central and eastern Pacific Ocean
that influences interannual variability in regional hydrology across the world
through long-range dependence or teleconnections. Recent research has
demonstrated the value of Deep Learning (DL) methods for improving ENSO
prediction as well as Complex Networks (CN) for understanding teleconnections.
However, gaps in predictive understanding of ENSO-driven river flows include
the black box nature of DL, the use of simple ENSO indices to describe a
complex phenomenon and translating DL-based ENSO predictions to river flow
predictions. Here we show that eXplainable DL (XDL) methods, based on saliency
maps, can extract interpretable predictive information contained in global SST
and discover novel SST information regions and dependence structures relevant
for river flows which, in tandem with climate network constructions, enable
improved predictive understanding. Our results reveal additional information
content in global SST beyond ENSO indices, develop new understanding of how
SSTs influence river flows, and generate improved river flow predictions with
uncertainties. Observations, reanalysis data, and earth system model
simulations are used to demonstrate the value of the XDL-CN based methods for
future interannual and decadal scale climate projections.
- Abstract(参考訳): エルニーノ・サザン振動(el nino southern oscillation、enso)は、太平洋の熱帯中部および東部における海面温度(sst)の半周期的な変動であり、長距離依存やテレコネクションを通じて世界中の地域水文学の経年変化に影響を与える。
近年の研究では、ENO予測を改善するためのディープラーニング(DL)手法と、遠隔通信を理解するための複雑なネットワーク(CN)の価値が実証されている。
しかし, 河川流動の予測的理解のギャップには, DLのブラックボックスの性質, 複雑な現象を記述するための単純なENSO指標の使用, DLに基づくENSO予測を河川流量予測に翻訳することなどがある。
本稿では,サリエンシマップに基づく説明可能なdl (xdl) 手法により,グローバルsstに含まれる解釈可能な予測情報を抽出し,新たなsst情報領域と河川流れに関連する依存構造を探索し,気候ネットワーク構築と連動することにより,予測理解を改善することができることを示す。
以上の結果から,SSTが河川流れにどのように影響するかを新たに把握し,不確実性を伴う河川流れ予測の改善を図った。
観測, 再解析データおよび地球系モデルシミュレーションを用いて, XDL-CN法に基づく将来の年次・日次スケール気候予測の意義を実証する。
関連論文リスト
- ResoNet: Robust and Explainable ENSO Forecasts with Hybrid Convolution
and Transformer Networks [47.60320586459432]
ディープラーニングモデルは、1.5年以上前にEl Nino-Southern Oscillation(ENSO)の予測を巧みに予測することができる。
本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマーアーキテクチャを組み合わせたDLモデルResoNetを提案する。
ResoNetは、19~26ヶ月のリードタイムでESNOを確実に予測できることを示し、予測の地平線の観点から既存のアプローチよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-12-16T12:12:31Z) - Convolutional GRU Network for Seasonal Prediction of the El
Ni\~no-Southern Oscillation [24.35408676030181]
本稿では,エルニーニョ南部振動(ENSO)領域時間列予測問題に対して,畳み込みGated Recurrent Unit (ConvGRU) を改良したネットワークを提案する。
提案するConvGRUネットワークはエンコーダ・デコーダシーケンス・ツー・シーケンス構造を持ち,太平洋地域の歴史的SSTマップを入力として取り込んで,その後数ヶ月間,ENSO領域内で将来のSSTマップを生成する。
その結果, ConvGRU ネットワークは LIM, AF, RNN と比較して Nino 3.4 インデックスの予測可能性を大幅に向上することがわかった。
論文 参考訳(メタデータ) (2023-06-18T00:15:45Z) - Modeling Oceanic Variables with Dynamic Graph Neural Networks [0.09830751917335563]
ブラジルのサントス・サンテ・ビセンテ・ベルティオガ地域における環境変数を予測するためのデータ駆動手法について述べる。
我々のモデルは、最先端のシーケンスモデルとリレーショナルモデルとを結合することにより、時間的および空間的帰納バイアスの両方を利用する。
実験の結果、柔軟性とドメイン知識の依存性のほとんどを維持しながら、私たちのモデルによってより良い結果が得られます。
論文 参考訳(メタデータ) (2022-06-25T22:43:02Z) - 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) - Deep Learning Based Cloud Cover Parameterization for ICON [55.49957005291674]
我々は,実地域およびグローバルICONシミュレーションに基づいて,粗粒度データを用いたNNベースのクラウドカバーパラメータ化を訓練する。
グローバルに訓練されたNNは、地域シミュレーションのサブグリッドスケールのクラウドカバーを再現することができる。
我々は,コラムベースNNがグローバルから局所的な粗粒データに完全に一般化できない理由として,特定の湿度と雲氷上の過剰なエンハンシスを同定する。
論文 参考訳(メタデータ) (2021-12-21T16:10:45Z) - Towards the Explanation of Graph Neural Networks in Digital Pathology
with Information Flows [67.23405590815602]
グラフニューラルネットワーク(GNN)は、デジタル病理学において広く採用されている。
既存の説明者は、予測に関連する説明的部分グラフを発見する。
説明文は、予測に必要であるだけでなく、最も予測可能な領域を明らかにするのに十分である。
本稿では, IFEXPLAINERを提案する。
論文 参考訳(メタデータ) (2021-12-18T10:19:01Z) - Transfer learning to improve streamflow forecasts in data sparse regions [0.0]
本研究では,データスパース領域におけるストリームフロー予測の一般化性能向上のために,微調整およびパラメータ転送による伝達学習(TL)の方法論について検討する。
本稿では,Long Short-Term Memory(LSTM)という形式で,十分に大きなソースドメインデータセットに適合する標準のリカレントニューラルネットワークを提案する。
本稿では,モデルの空間的および時間的成分を分離し,モデルを一般化する訓練を行うことにより,水文学応用のための伝達学習手法を実装する手法を提案する。
論文 参考訳(メタデータ) (2021-12-06T14:52:53Z) - An Entropy-guided Reinforced Partial Convolutional Network for Zero-Shot
Learning [77.72330187258498]
エントロピー誘導強化部分畳み込みネットワーク(ERPCNet)を提案する。
ERPCNetは、人間のアノテーションのない意味的関連性と視覚的相関に基づいて、局所性を抽出し、集約する。
グローバルな協力的局所性を動的に発見するだけでなく、ポリシー勾配最適化のためにより高速に収束する。
論文 参考訳(メタデータ) (2021-11-03T11:13:13Z) - 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) - Deep learning for improved global precipitation in numerical weather
prediction systems [1.721029532201972]
我々は、残差学習を用いた深層畳み込みニューラルネットワークのUNETアーキテクチャを、グローバルな降水モデルを学ぶための概念実証として使用しています。
その結果,インド気象局が使用した操作力学モデルと比較した。
この研究は、残差学習に基づくUNETが、目標降水量と物理的関係を解き放つことができることを示す概念実証である。
論文 参考訳(メタデータ) (2021-06-20T05:10:42Z) - Network Diffusions via Neural Mean-Field Dynamics [52.091487866968286]
本稿では,ネットワーク上の拡散の推論と推定のための新しい学習フレームワークを提案する。
本研究の枠組みは, ノード感染確率の正確な進化を得るために, モリ・ズワンジッヒ形式から導かれる。
我々のアプローチは、基礎となる拡散ネットワークモデルのバリエーションに対して多用途で堅牢である。
論文 参考訳(メタデータ) (2020-06-16T18:45:20Z)
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。