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
- SEN12-WATER: A New Dataset for Hydrological Applications and its Benchmarking [40.996860106131244]
気候と干ばつの増加は、世界中の水資源管理に重大な課題をもたらしている。
本稿では,干ばつ関連分析のためのエンドツーエンドディープラーニングフレームワークを用いたベンチマークとともに,新しいデータセットであるSEN12-WATERを提案する。
論文 参考訳（メタデータ） (2024-09-25T16:50:59Z) - Cluster-Segregate-Perturb (CSP): A Model-agnostic Explainability Pipeline for Spatiotemporal Land Surface Forecasting Models [5.586191108738564]
本稿では、LIMEのような摂動に基づく説明可能性手法とPDPのようなグローバルな限界説明可能性の両方から原理を統合するパイプラインを提案する。
提案したパイプラインは,複雑な陸面予測モデルにおける限界感度解析,限界相関解析,ラグ解析などの多様な調査分析の実施を単純化する。
論文 参考訳（メタデータ） (2024-08-12T04:29:54Z) - Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。
最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。
我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
論文 参考訳（メタデータ） (2024-07-18T15:44:23Z) - The Merit of River Network Topology for Neural Flood Forecasting [3.731618046702812]
気候変動は河川の洪水を悪化させ、その頻度と強度はかつてないほど高くなる。
予測システムは通常、正確な川の排出予測に依存している。
河川ネットワークの既知のトポロジを予測モデルに組み込むことで,ゲージ間の隣接関係を活用できる可能性がある。
論文 参考訳（メタデータ） (2024-05-30T08:45:45Z) - SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。
伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。
本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2024-05-29T08:00:15Z) - 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) - 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) - Handling Distribution Shifts on Graphs: An Invariance Perspective [78.31180235269035]
我々は、グラフ上のOOD問題を定式化し、新しい不変学習手法である探索・拡張リスク最小化(EERM)を開発する。
EERMは、複数の仮想環境からのリスクの分散を最大化するために、敵対的に訓練された複数のコンテキストエクスプローラーを利用する。
理論的に有効なOOD解の保証を示すことによって,本手法の有効性を実証する。
論文 参考訳（メタデータ） (2022-02-05T02:31:01Z) - 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) - 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)
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。