Fugu-MT 論文翻訳(概要): Accurate Long-term Air Temperature Prediction with a Fusion of Artificial Intelligence and Data Reduction Techniques

論文の概要: Accurate Long-term Air Temperature Prediction with a Fusion of Artificial Intelligence and Data Reduction Techniques

arxiv url: http://arxiv.org/abs/2209.15424v1
Date: Thu, 29 Sep 2022 15:36:01 GMT
ステータス: 処理完了
システム内更新日: 2022-10-03 15:07:14.867566
Title: Accurate Long-term Air Temperature Prediction with a Fusion of Artificial Intelligence and Data Reduction Techniques
Title（参考訳）: 人工知能とデータ削減技術の融合による高精度長期空気温度予測
Authors: Du\v{s}an Fister, Jorge P\'erez-Aracil, C\'esar Pel\'aez-Rodr\'iguez, Javier Del Ser, Sancho Salcedo-Sanz
Abstract要約: 8月の第1および第2四半期の平均気温の予測は,前月の入力データを用いて検討した。この実験は、パリとコルドバの3つの提案されたAIフレームワークにおいて、非常に優れた予測スキルを示している。
参考スコア（独自算出の注目度）: 7.831043335576775
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper three customised Artificial Intelligence (AI) frameworks, considering Deep Learning (convolutional neural networks), Machine Learning algorithms and data reduction techniques are proposed, for a problem of long-term summer air temperature prediction. Specifically, the prediction of average air temperature in the first and second August fortnights, using input data from previous months, at two different locations, Paris (France) and C\'ordoba (Spain), is considered. The target variable, mainly in the first August fortnight, can contain signals of extreme events such as heatwaves, like the mega-heatwave of 2003, which affected France and the Iberian Peninsula. Thus, an accurate prediction of long-term air temperature may be valuable also for different problems related to climate change, such as attribution of extreme events, and in other problems related to renewable energy. The analysis carried out this work is based on Reanalysis data, which are first processed by a correlation analysis among different prediction variables and the target (average air temperature in August first and second fortnights). An area with the largest correlation is located, and the variables within, after a feature selection process, are the input of different deep learning and ML algorithms. The experiments carried out show a very good prediction skill in the three proposed AI frameworks, both in Paris and C\'ordoba regions.
Abstract（参考訳）: 本稿では,ディープラーニング(畳み込みニューラルネットワーク),機械学習アルゴリズム,データ削減技術を考慮した3つのAIフレームワークを提案する。具体的には,パリ(フランス)とC'ordoba(スペイン)の2つの異なる場所で,前月の入力データを用いて8月1日と8月2日の平均気温を予測する。ターゲット変数は主に8月の最初の2週間で、2003年の大規模熱波など、フランスやイベリア半島に影響を及ぼす極端な現象の信号を含むことができる。このように、長期の気温の正確な予測は、極端な出来事の帰属や再生可能エネルギーに関する他の問題など、気候変動に関連する様々な問題にも有用である。本研究は, 異なる予測変数と目標(8月1日と2月2日の平均気温)との相関解析により, 再解析データに基づいて解析を行った。最大の相関関係を持つ領域が位置しており、特徴選択プロセスの後、変数内の変数は、異なるディープラーニングとMLアルゴリズムの入力である。この実験は、パリとC'ordoba地域の3つの提案されたAIフレームワークにおいて、非常に優れた予測スキルを示している。

関連論文リスト

FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere [53.22497376154084]
本研究では,FengWuグローバル気象予報モデルに基づくFengWu-Weather to Subseasonal (FengWu-W2S)を提案する。我々は,FengWu-W2Sが大気環境を3～6週間先まで確実に予測し,マデン・ジュリア振動 (MJO) や北大西洋振動 (NAO) などの地球表面温度, 降水量, 地磁気高度, 季節内信号の予測能力を向上させることを実証した。日時から季節時の予測誤差成長に関するアブレーション実験
論文参考訳（メタデータ） (2024-11-15T13:44:37Z)
DUNE: A Machine Learning Deep UNet++ based Ensemble Approach to Monthly, Seasonal and Annual Climate Forecasting [0.0]
Deep UNet++ベースの新しいニューラルネットワークであるEnsemble(DUNE)が導入されている。年間平均気温は2メートル(T2m)、海面温度(SST)である。これらの予測は、すべての領域に対する持続性、気候学、多重線形回帰よりも優れる。
論文参考訳（メタデータ） (2024-08-12T16:22:30Z)
Predicting Temperature of Major Cities Using Machine Learning and Deep Learning [0.0]
我々は,大都市における気温変化を構成するデイトン大学が作成したデータベースを用いて,将来いつでも異なる都市の気温を予測する。この文書には、このような予測を行うための方法論が含まれています。
論文参考訳（メタデータ） (2023-09-23T10:23:00Z)
Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文参考訳（メタデータ） (2023-09-12T13:28:06Z)
FengWu: Pushing the Skillful Global Medium-range Weather Forecast beyond 10 Days Lead [93.67314652898547]
人工知能(AI)に基づく高度データ駆動型中距離気象予報システムFengWuについて紹介する。 FengWuは大気力学を正確に再現し、0.25度緯度で37の垂直レベルで将来の陸と大気の状態を予測することができる。その結果、FengWuは予測能力を大幅に向上させ、熟練した中距離気象予報を10.75日間のリードまで拡張できることがわかった。
論文参考訳（メタデータ） (2023-04-06T09:16:39Z)
ClimaX: A foundation model for weather and climate [51.208269971019504]
ClimaXは気象と気候科学のディープラーニングモデルである。気候データセットの自己教師型学習目標で事前トレーニングすることができる。気候や気候の様々な問題に対処するために、微調整が可能である。
論文参考訳（メタデータ） (2023-01-24T23:19:01Z)
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)
Intelligent Spatial Interpolation-based Frost Prediction Methodology using Artificial Neural Networks with Limited Local Data [3.3607307817827032]
本研究の目的は,凍害予測のための現場の歴史的データやセンサへの依存を解消することである。これらのモデルは、既存の気象観測所の気候データ、デジタル標高モデルサーベイ、および正規化差植生指数データを用いて、目標地点の次の1時間最低気温を推定する。
論文参考訳（メタデータ） (2022-04-15T21:14:07Z)
MLRM: A Multiple Linear Regression based Model for Average Temperature Prediction of A Day [3.6704226968275258]
我々は,過去の気象データと複数の線形回帰モデルを用いて,地域の天気を予測することを目的としている。このモデルは摂氏2.8度の誤差で1日の平均気温を予測できる。
論文参考訳（メタデータ） (2022-03-11T10:22:57Z)
Deep Learning based Extreme Heatwave Forecast [8.975667614727648]
最先端のプラシム・プラネット・シミュレーターの気候モデルデータを用いて,大クラスのアンダーサンプリングと転送学習を含む畳み込みニューラルネットワークに基づく深層学習フレームワークが,極端な熱波の発生を予測する上で有意な性能を発揮することを示した。
論文参考訳（メタデータ） (2021-03-17T16:10:06Z)
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。