論文の概要: Robust detection and attribution of climate change under interventions

• arxiv url: http://arxiv.org/abs/2212.04905v1
• Date: Fri, 9 Dec 2022 15:13:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 14:45:42.238806
• Title: Robust detection and attribution of climate change under interventions
• Title（参考訳）: 介入による気候変動のロバスト検出と帰属
• Authors: Enik\H{o} Sz\'ekely, Sebastian Sippel, Nicolai Meinshausen, Guillaume Obozinski, Reto Knutti
• Abstract要約: フィンガープリントは気候変動の検出と属性(D&A)の鍵となるツールである 本稿では,教師付き学習に基づく直接D&A手法を提案し,頑健な予測につながる指紋を抽出する。 本研究は, 関連する介入に対するロバスト性制約を組み込むことは, 気候変動の検出と帰属に有益であることが示唆された。
• 参考スコア（独自算出の注目度）: 4.344839102717429
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fingerprints are key tools in climate change detection and attribution (D&A) that are used to determine whether changes in observations are different from internal climate variability (detection), and whether observed changes can be assigned to specific external drivers (attribution). We propose a direct D&A approach based on supervised learning to extract fingerprints that lead to robust predictions under relevant interventions on exogenous variables, i.e., climate drivers other than the target. We employ anchor regression, a distributionally-robust statistical learning method inspired by causal inference that extrapolates well to perturbed data under the interventions considered. The residuals from the prediction achieve either uncorrelatedness or mean independence with the exogenous variables, thus guaranteeing robustness. We define D&A as a unified hypothesis testing framework that relies on the same statistical model but uses different targets and test statistics. In the experiments, we first show that the CO2 forcing can be robustly predicted from temperature spatial patterns under strong interventions on the solar forcing. Second, we illustrate attribution to the greenhouse gases and aerosols while protecting against interventions on the aerosols and CO2 forcing, respectively. Our study shows that incorporating robustness constraints against relevant interventions may significantly benefit detection and attribution of climate change.
• Abstract（参考訳）: フィンガープリントは、気候変動の検出と帰属(d&a)において重要な道具であり、観察の変化が内的気候変動(検出)と異なるか、観察された変化が特定の外部ドライバ(帰属)に割り当てられるかを決定するのに用いられる。 本研究では,教師付き学習に基づく直接的D&Aアプローチを提案し,ターゲット以外の気候要因に対する適切な介入の下で頑健な予測につながる指紋を抽出する。 この手法は因果推論にインスパイアされた分布論的統計的学習法であり,検討した介入下での摂動データに対してよく外挿する。 予測の残差は、外因性変数との非相関性または平均独立性のいずれかを達成し、ロバスト性を保証する。 我々は、D&Aを、同じ統計モデルに依存しながら異なるターゲットとテスト統計を使用する統一仮説テストフレームワークとして定義する。 実験では,まず,太陽の強制力に対する強い介入下での温度空間パターンからco2の強制力がロバストに予測できることを示した。 第2に, 温室効果ガスとエアロゾルに寄与し, エアロゾルとCO2強制力の介入から保護されている。 本研究は,関連する介入に対するロバスト性制約の導入が,気候変動の検出と帰属に有益であることを示す。

関連論文リスト

• VegeDiff: Latent Diffusion Model for Geospatial Vegetation Forecasting [58.12667617617306]
  地理空間植生予測タスクのためのVegeDiffを提案する。 VegeDiffは、植物の変化過程の不確かさを確率的に捉えるために拡散モデルを使用した最初の企業である。 植生の変化の不確かさを捉え、関連する変数の複雑な影響をモデル化することで、VegeDiffは既存の決定論的手法より優れている。
  論文  参考訳（メタデータ） (2024-07-17T14:15:52Z)
• Variable importance measure for spatial machine learning models with application to air pollution exposure prediction [2.633085745593072]
  本研究の目的は, 大気汚染の健康影響を学習する能力を最大限に活用するために, データのない場所での被験者の大気汚染の予測を行うことである。 これらの課題を、米国国家PM2.5亜種規制データの硫黄(S)と、シアトルの交通関連大気汚染データセットの超微粒子(UFP)の2つのデータセットで解決する。 私たちの重要な貢献は、幅広いモデルの解釈可能かつ同等の尺度に導かれる、変数の重要度に対する一対一のアプローチである。
  論文  参考訳（メタデータ） (2024-06-04T05:51:36Z)
• Wildfire Risk Prediction: A Review [15.426152543324626]
  森林火災は地球規模の植生、野生生物、人間に重大な影響を及ぼす。 山火事の予測は、回帰や機械学習の手法と組み合わせた様々な独立変数に依存している。
  論文  参考訳（メタデータ） (2024-05-02T04:53:42Z)
• Nonparametric Identifiability of Causal Representations from Unknown Interventions [63.1354734978244]
  本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。 我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
  論文  参考訳（メタデータ） (2023-06-01T10:51:58Z)
• Confidence and Dispersity Speak: Characterising Prediction Matrix for Unsupervised Accuracy Estimation [51.809741427975105]
  この研究は、ラベルを使わずに、分散シフト下でのモデルの性能を評価することを目的としている。 我々は、両方の特性を特徴付けるのに有効であることが示されている核規範を用いる。 核の基準は既存の手法よりも正確で堅牢であることを示す。
  論文  参考訳（メタデータ） (2023-02-02T13:30:48Z)
• Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
  ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。 正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。 人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
  論文  参考訳（メタデータ） (2022-01-27T22:15:56Z)
• The Power of Language: Understanding Sentiment Towards the Climate Emergency using Twitter Data [0.0]
  原油先物と気候危機に対する感情との間には関係があると推測できる。 本研究は,気候危機時の会話を3つのトピックに分割することが可能であることを示す。
  論文  参考訳（メタデータ） (2021-01-25T19:51:10Z)
• Latent Causal Invariant Model [128.7508609492542]
  現在の教師付き学習は、データ適合プロセス中に急激な相関を学習することができる。 因果予測を求める潜在因果不変モデル(LaCIM)を提案する。
  論文  参考訳（メタデータ） (2020-11-04T10:00:27Z)
• Causal Discovery in Physical Systems from Videos [123.79211190669821]
  因果発見は人間の認知の中心にある。 本研究では,ビデオの因果発見の課題を,地層構造を監督せずにエンドツーエンドで検討する。
  論文  参考訳（メタデータ） (2020-07-01T17:29:57Z)
• 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。