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
- 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) - Neural General Circulation Models for Weather and Climate [7.545206238427117]
一般的な循環モデル(GCM)は、気象と気候予測の基礎である。
本稿では,大気力学の微分可能解法とML成分を組み合わせた最初のGCMを提案する。
決定論的気象,アンサンブル気象,気候の予測を,機械学習や物理に基づく最良の手法と同等に生成できることを示す。
論文 参考訳(メタデータ) (2023-11-13T10:40:17Z) - 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) - Spatial-temporal Prompt Learning for Federated Weather Forecasting [50.379491498793485]
フェデレート気象予報は、異なる国や地域の参加者間で気象データを分析するための有望な協調学習フレームワークである。
本稿では,多くの分散型低リソースセンサを異なる場所に配置するフェデレート環境での気象データをモデル化する。
論文 参考訳(メタデータ) (2023-05-23T16:59:20Z) - 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) - Crop Yield Prediction Integrating Genotype and Weather Variables Using
Deep Learning [8.786816847837976]
我々は,北米のUniform Soybean Tests (UST) から13年間のデータにまたがる過去のパフォーマンス記録を用いて,複数環境でジェノタイプ応答を検出・予測するために,Long Short Term Memory - Recurrent Neural Network based modelを構築した。
我々は、このディープラーニングフレームワークを「仮説生成ツール」としてデプロイし、GxExM関係を解き放つ。
異なる気候条件下でのダイズおよび他の作物に対するこのアプローチの適用性(感度分析および「What-if」シナリオ)について検討した。
論文 参考訳(メタデータ) (2020-06-24T16:20:12Z)
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。