Fugu-MT 論文翻訳(概要): Time series features for supporting hydrometeorological explorations and predictions in ungauged locations using large datasets

論文の概要: Time series features for supporting hydrometeorological explorations and predictions in ungauged locations using large datasets

arxiv url: http://arxiv.org/abs/2204.06540v1
Date: Wed, 13 Apr 2022 17:37:32 GMT
ステータス: 処理完了
システム内更新日: 2022-04-14 14:37:55.145618
Title: Time series features for supporting hydrometeorological explorations and predictions in ungauged locations using large datasets
Title（参考訳）: 大規模データセットを用いた未観測地点の気象探査と予測を支援する時系列特徴
Authors: Georgia Papacharalampous, Hristos Tyralis
Abstract要約: 我々は,(部分的)自己相関,エントロピー,時間変動,季節変動,傾向,光沢度,安定性,非線形性,直線性,スパイキネス,曲率などを含む28の特徴に着目した。これらの特徴を,511獲物の日中温度,降水量,流水量時系列で推定し,従来の地形,土地被覆,土壌,地質特性と地域化の文脈で組み合わせた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Regression-based frameworks for streamflow regionalization are built around catchment attributes that traditionally originate from catchment hydrology, flood frequency analysis and their interplay. In this work, we deviated from this traditional path by formulating and extensively investigating the first regression-based streamflow regionalization frameworks that largely emerge from general-purpose time series features for data science and, more precisely, from a large variety of such features. We focused on 28 features that included (partial) autocorrelation, entropy, temporal variation, seasonality, trend, lumpiness, stability, nonlinearity, linearity, spikiness, curvature and others. We estimated these features for daily temperature, precipitation and streamflow time series from 511 catchments, and then merged them within regionalization contexts with traditional topographic, land cover, soil and geologic attributes. Precipitation and temperature features (e.g., the spectral entropy, seasonality strength and lag-1 autocorrelation of the precipitation time series, and the stability and trend strength of the temperature time series) were found to be useful predictors of many streamflow features. The same applies to traditional attributes, such as the catchment mean elevation. Relationships between predictor and dependent variables were also revealed, while the spectral entropy, the seasonality strength and several autocorrelation features of the streamflow time series were found to be more regionalizable than others.
Abstract（参考訳）: ストリームフローの地域化のための回帰ベースのフレームワークは、伝統的にキャッチメント水文学、洪水頻度分析およびそれらの相互作用に由来するキャッチメント属性を中心に構築されている。本研究では,データサイエンスの汎用時系列機能や,より正確には多種多様な特徴から発生する,最初の回帰型ストリームフロー地域化フレームワークを定式化し,広範囲に検討することで,この従来の経路から脱却した。我々は,(部分的)自己相関,エントロピー,時間変動,季節変動,傾向,光沢度,安定性,非線形性,直線性,スパイキネス,曲率などを含む28の特徴に着目した。これらの特徴を,511獲物の日中温度,降水量,流水量時系列で推定し,従来の地形,土地被覆,土壌,地質特性と地域化の文脈で組み合わせた。降水量および温度特性(例えば、降水時間系列のスペクトルエントロピー、季節強度およびラグ-1自己相関、および温度時系列の安定性と傾向強度)は、多くの流れ特性の予測因子として有用であることが判明した。同じことが、キャッチメント平均上昇のような伝統的な特性にも当てはまる。また, 予測因子と従属変数の関係も明らかにされ, スペクトルエントロピー, 季節性強度, 自己相関特性は他よりも地域性が高いことがわかった。

関連論文リスト

Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
論文参考訳（メタデータ） (2024-08-08T06:47:21Z)
FAITH: Frequency-domain Attention In Two Horizons for Time Series Forecasting [13.253624747448935]
時系列予測は、産業機器の保守、気象学、エネルギー消費、交通流、金融投資など、様々な分野で重要な役割を果たしている。現在のディープラーニングベースの予測モデルは、予測結果と基礎的真実の間に大きな違いを示すことが多い。本稿では、時系列をトレンドと季節成分に分解する2つのホライズンズにおける周波数領域注意モデルを提案する。
論文参考訳（メタデータ） (2024-05-22T02:37:02Z)
Adapting to Length Shift: FlexiLength Network for Trajectory Prediction [53.637837706712794]
軌道予測は、自律運転、ロボット工学、シーン理解など、様々な応用において重要な役割を果たしている。既存のアプローチは主に、一般に標準入力時間を用いて、公開データセットの予測精度を高めるために、コンパクトなニューラルネットワークの開発に重点を置いている。本稿では,様々な観測期間に対する既存の軌道予測の堅牢性を高めるための,汎用的で効果的なフレームワークFlexiLength Network(FLN)を紹介する。
論文参考訳（メタデータ） (2024-03-31T17:18:57Z)
TimeXer: Empowering Transformers for Time Series Forecasting with Exogenous Variables [75.83318701911274]
TimeXerは外部情報を取り込み、内因性変数の予測を強化する。 TimeXerは、12の現実世界の予測ベンチマークで一貫した最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-02-29T11:54:35Z)
PDETime: Rethinking Long-Term Multivariate Time Series Forecasting from the perspective of partial differential equations [49.80959046861793]
本稿では,ニューラルPDEソルバの原理に着想を得た新しいLMTFモデルであるPDETimeを提案する。 7つの異なる時間的実世界のLMTFデータセットを用いた実験により、PDETimeがデータ固有の性質に効果的に適応できることが判明した。
論文参考訳（メタデータ） (2024-02-25T17:39:44Z)
Learning from Polar Representation: An Extreme-Adaptive Model for Long-Term Time Series Forecasting [10.892801642895904]
本稿では,距離重み付き自己正規化ニューラルネットワーク(DAN)を提案する。これは極性表現学習によって強化されたストラムフローの長距離予測のための新しい極性適応モデルである。実生活における4つの水文流れデータセットにおいて、DANは、最先端の水文時系列予測法と長期時系列予測のための一般的な方法の両方を著しく上回っていることを実証した。
論文参考訳（メタデータ） (2023-12-14T09:16:01Z)
Rethinking Urban Mobility Prediction: A Super-Multivariate Time Series Forecasting Approach [71.67506068703314]
長期の都市移動予測は、都市施設やサービスの効果的管理において重要な役割を担っている。伝統的に、都市移動データはビデオとして構成され、経度と緯度を基本的なピクセルとして扱う。本研究では,都市におけるモビリティ予測の新たな視点について紹介する。都市移動データを従来のビデオデータとして単純化するのではなく、複雑な時系列と見なす。
論文参考訳（メタデータ） (2023-12-04T07:39:05Z)
Hydroclimatic time series features at multiple time scales [0.0]
様々な物理過程の振る舞いを包括的に理解するには、時間スケールにわたる詳細な調査が必要である。本研究では, 温暖化環境下での調査を進展させ, 充実させる新しい時系列特徴コンパイル法を提案する。この特定のコンパイルは、時間的依存、時間的変動、"予測可能性"、ルンピー性、安定性、非線形性(および線形性)、トレンド、スパイク性、曲率、季節性の観点から、大きく解釈可能な特徴の調査と比較を容易にする。
論文参考訳（メタデータ） (2021-12-02T17:43:30Z)
Massive feature extraction for explaining and foretelling hydroclimatic time series forecastability at the global scale [0.0]
本稿では,記述時系列の特徴と実時間時系列予測可能性の関係について検討する。このフレームワークを3つのグローバルデータセットに適用する。 Nash-Sutcliffe効率のこの予測可能性は、いくつかの記述的特徴と強く関連している。
論文参考訳（メタデータ） (2021-07-25T19:15:19Z)
Radflow: A Recurrent, Aggregated, and Decomposable Model for Networks of Time Series [77.47313102926017]
Radflowは、お互いに影響を与える時系列ネットワークの新しいモデルである。それは3つの重要なアイデアを具現化します:時間に依存するノード埋め込み、マルチヘッドの注意を持つ隣接するノードからの影響の流れの集約、および時系列の多層分解を得るための繰り返しニューラルネットワーク。 radflowは異なる傾向や季節パターンを学習でき、欠落したノードやエッジに対して頑健であり、ネットワークの隣人間の時間パターンの相関は影響強度を反映している。
論文参考訳（メタデータ） (2021-02-15T00:57:28Z)
Latent State Inference in a Spatiotemporal Generative Model [3.7525506486107267]
我々は、波動伝播力学を含む温度と気象の過程に注目し、普遍的な原因は空間と時間にわたって適用されると仮定する。最近導入されたDIsed Stemporal graph Artificial Neural Architecture (DISTANA)を使用して、そのようなプロセスを学ぶ。 DISTANAは、アクティブチューニングと呼ばれる振り返り状態推論原則と組み合わせることで、位置参照型隠れ因果関係を確実に導出できることを示す。
論文参考訳（メタデータ） (2020-09-21T12:59:40Z)

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。