論文の概要: Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes

• arxiv url: http://arxiv.org/abs/2211.08160v1
• Date: Tue, 15 Nov 2022 14:15:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-16 15:56:32.950341
• Title: Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes
• Title（参考訳）: 二重疎ガウス過程を用いたヨーロッパ古気候の時空間モデリング
• Authors: Seth D. Axen, Alexandra Gessner, Christian Sommer, Nils Weitzel, \'Alvaro Tejero-Cantero
• Abstract要約: 計算負担を軽減するため,近年の大規模分散時間GPを構築した。 我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
• 参考スコア（独自算出の注目度）: 61.31361524229248
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Paleoclimatology -- the study of past climate -- is relevant beyond climate science itself, such as in archaeology and anthropology for understanding past human dispersal. Information about the Earth's paleoclimate comes from simulations of physical and biogeochemical processes and from proxy records found in naturally occurring archives. Climate-field reconstructions (CFRs) combine these data into a statistical spatial or spatiotemporal model. To date, there exists no consensus spatiotemporal paleoclimate model that is continuous in space and time, produces predictions with uncertainty, and can include data from various sources. A Gaussian process (GP) model would have these desired properties; however, GPs scale unfavorably with data of the magnitude typical for building CFRs. We propose to build on recent advances in sparse spatiotemporal GPs that reduce the computational burden by combining variational methods based on inducing variables with the state-space formulation of GPs. We successfully employ such a doubly sparse GP to construct a probabilistic model of European paleoclimate from the Last Glacial Maximum (LGM) to the mid-Holocene (MH) that synthesizes paleoclimate simulations and fossilized pollen proxy data.
• Abstract（参考訳）: 過去の気候の研究である古気候学は、過去の人類の分散を理解するために考古学や人類学など、気候科学自体に関係している。 地球の古気候に関する情報は、物理的および生物地球化学的過程のシミュレーションと、自然に存在するアーカイブにあるプロキシ記録から得られる。 気候場再構成(CFR)は、これらのデータを統計的空間または時空間モデルに組み合わせる。 現在まで、時空と時間に連続し、不確実性を伴う予測を生み出し、様々な情報源からのデータを含むコンセンサス時空間古気候モデルは存在しない。 ガウス過程(GP)モデルはこれらの望ましい性質を持つが、GPはCFRを構築するのに典型的な大きさのデータで好ましくスケールする。 本稿では,変数の誘導に基づく変分法とGPの状態空間の定式化を組み合わせ,計算負担を軽減するため,スパース時空間GPの最近の進歩を構築することを提案する。 この2倍のgpを用いて,最終氷期最大値 (lgm) から中期完新世 (mh) までのヨーロッパ古気候の確率モデルを構築し,古気候シミュレーションと花粉プロキシデータを合成した。

関連論文リスト

• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Ensemble data assimilation to diagnose AI-based weather prediction model: A case with ClimaX version 0.3.1 [0.0]
  本研究では,AIに基づく天気予報モデルの診断にアンサンブルデータ同化を用いた手法を提案する。 AIベースのモデルであるClimaXを用いた実験では、AIベースの天気予報モデルに対して、アンサンブルデータ同化が安定して周期化されることが実証された。
  論文  参考訳（メタデータ） (2024-07-25T05:22:08Z)
• Comparing Data-Driven and Mechanistic Models for Predicting Phenology in Deciduous Broadleaf Forests [47.285748922842444]
  我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。 このアプローチは従来のプロセスベースのモデルよりも優れています。
  論文  参考訳（メタデータ） (2024-01-08T15:29:23Z)
• Surrogate Model for Geological CO2 Storage and Its Use in Hierarchical MCMC History Matching [0.0]
  我々は、最近導入されたR-U-Netサロゲートモデルを拡張し、幅広い地質シナリオから引き出されたジオモデルの実現を取り扱う。 本研究では, 人工真理モデルにおける観測井の観測データを用いて, 地質的不確実性を大幅に低減することを示した。
  論文  参考訳（メタデータ） (2023-08-11T18:29:28Z)
• Towards Learned Emulation of Interannual Water Isotopologue Variations in General Circulation Models [2.161227459325287]
  本研究では, 降水時の酸素同位体組成の明示的な物理に基づくシミュレーションを, 機械学習を用いて置き換える可能性を検討する。 我々は、UNetアーキテクチャの成功に基づいて畳み込みニューラルネットワーク(CNN)を実装し、球面ネットワークアーキテクチャが地球の緯度-経度格子を平坦な画像として扱うという単純なアプローチよりも優れているかどうかをテストする。
  論文  参考訳（メタデータ） (2023-01-31T07:54:52Z)
• 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)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
  2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。 我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
  論文  参考訳（メタデータ） (2020-10-20T15:31:38Z)

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。