論文の概要: A Multi-Modal Machine Learning Approach to Detect Extreme Rainfall
Events in Sicily
- arxiv url: http://arxiv.org/abs/2212.08102v1
- Date: Wed, 14 Dec 2022 14:10:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-19 16:34:12.747785
- Title: A Multi-Modal Machine Learning Approach to Detect Extreme Rainfall
Events in Sicily
- Title(参考訳): シチリアにおける極端降雨事象検出のためのマルチモーダル機械学習手法
- Authors: Eleonora Vitanza, Giovanna Maria Dimitri, Chiara Mocenni
- Abstract要約: 2021年、年間降水量のほぼ半分にあたる300mmの雨が、カタニア(シチリア島)近くで降った。
これは、2009年から2021年にかけて収集した高周波で大規模なデータセットを使用することで可能になった。
使い易く、マルチモーダルなデータサイエンス技術は、ポリシー作成に大きな改善をもたらす可能性があると信じています。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In 2021 300 mm of rain, nearly half the average annual rainfall, fell near
Catania (Sicily island, Italy). Such events took place in just a few hours,
with dramatic consequences on the environmental, social, economic, and health
systems of the region. This is the reason why, detecting extreme rainfall
events is a crucial prerequisite for planning actions able to reverse possibly
intensified dramatic future scenarios. In this paper, the Affinity Propagation
algorithm, a clustering algorithm grounded on machine learning, was applied, to
the best of our knowledge, for the first time, to identify excess rain events
in Sicily. This was possible by using a high-frequency, large dataset we
collected, ranging from 2009 to 2021 which we named RSE (the Rainfall Sicily
Extreme dataset). Weather indicators were then been employed to validate the
results, thus confirming the presence of recent anomalous rainfall events in
eastern Sicily. We believe that easy-to-use and multi-modal data science
techniques, such as the one proposed in this study, could give rise to
significant improvements in policy-making for successfully contrasting climate
changes.
- Abstract(参考訳): 2021年、年間平均降水量の半分近くにあたる300mmの雨がカタニア(イタリア、シチリア島)近くで降った。
このような出来事はわずか数時間で発生し、地域の環境、社会、経済、健康システムに劇的な影響をもたらした。
極端な降雨を検知することが、潜在的に劇的な将来のシナリオをリバースできる計画行動にとって重要な前提条件である理由である。
本稿では,機械学習に基づくクラスタリングアルゴリズムであるアフィニティ・プロパゲーションアルゴリズムを,シチリアにおける過度の降雨事象の同定に初めて,我々の知識の最大限に活用した。
これは、2009年から2021年にかけて収集した高周波で大規模なデータセットを使用することで可能となり、RSE(Rainfall Sicily Extreme dataset)と名付けた。
その後、気象指標を用いて結果の検証を行い、シチリア東部で最近起きた異常雨の存在を確認した。
本研究で提案したような、使い易くマルチモーダルなデータサイエンス技術は、気候変動の対比に成功するための政策決定の大幅な改善をもたらす可能性があると考えている。
関連論文リスト
- Graph Learning-based Regional Heavy Rainfall Prediction Using Low-Cost Rain Gauges [0.0]
農村部における降雨の自動記録・監視・予測のための低コストIoTシステムを提案する。
第2に,グラフニューラルネットワーク(GNN)を実装した地域豪雨予測手法を提案する。
論文 参考訳(メタデータ) (2024-12-22T03:40:16Z) - CasCast: Skillful High-resolution Precipitation Nowcasting via Cascaded
Modelling [93.65319031345197]
本稿では,メソスケール降水分布と小規模パターンの予測を分離するために,決定的かつ確率的な部分からなるカスケードフレームワークCasCastを提案する。
CasCastは地域の極端降水量計のベースライン(+91.8%)をはるかに上回っている。
論文 参考訳(メタデータ) (2024-02-06T08:30:47Z) - Unleashing the Power of Dynamic Mode Decomposition and Deep Learning for
Rainfall Prediction in North-East India [0.27488316163114823]
本研究では,DMD(Dynamic Mode Decomposition)とLSTM(Long Short-Term Memory)という2つのデータ駆動手法を用いた降雨予測手法について検討した。
複数の気象観測所から得られた過去の降雨データを用いて,将来の降雨パターンを予測するためのモデルを訓練し,検証した。
以上の結果から,インド北東部地域の降雨予測精度は,データ駆動手法により著しく向上することが示唆された。
論文 参考訳(メタデータ) (2023-09-17T17:58:06Z) - 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) - Improving extreme weather events detection with light-weight neural
networks [0.0]
気候データから熱帯低気圧と大気河川のセマンティックセグメンテーションを訓練した軽量なコンテキストガイド畳み込みニューラルネットワークアーキテクチャを改良した。
我々の主な焦点は熱帯のサイクロンであり、最も破壊的な気象現象であり、現在のモデルでは性能が限られている。
論文 参考訳(メタデータ) (2023-03-31T23:38:54Z) - 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) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳(メタデータ) (2022-08-31T18:19:25Z) - Forecasting large-scale circulation regimes using deformable
convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討
今後1~15日にわたって北大西洋-欧州の気象条件を予測した。
より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5~6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
論文 参考訳(メタデータ) (2022-02-10T11:37:00Z) - Deep Learning for Rain Fade Prediction in Satellite Communications [6.619650459583444]
視線衛星システム、無人航空機、高高度プラットフォーム、マイクロ波リンクは雨の影響を受けやすい。
これらのシステムの降雨量予測は、降雨量発生前の地上ゲートウェイを積極的に切り替えてシームレスなサービスを維持するために重要である。
衛星画像データとレーダー画像データとリンク電力測定を用いて将来の雨害を予測するディープラーニングアーキテクチャが提案されている。
論文 参考訳(メタデータ) (2021-10-02T00:43:02Z) - Prediction of Rainfall in Rajasthan, India using Deep and Wide Neural
Network [0.5735035463793008]
インド・ラジャサン州の降雨予測モデル(DWRPM)を提案する。
地理的パラメータ(緯度と経度)の情報は、ユニークな方法で含まれる。
結果とLSTMやCNNのような様々な深層学習手法を比較し,シーケンスベースの予測でうまく機能することが確認された。
論文 参考訳(メタデータ) (2020-10-22T15:01:22Z) - Sub-Seasonal Climate Forecasting via Machine Learning: Challenges,
Analysis, and Advances [44.28969320556008]
サブシーズン気候予報(SSF)は、気温や降水量などの主要な気候変数を2週間から2ヶ月の時間スケールで予測することに焦点を当てている。
本稿では,米国本土におけるSSFのための機械学習(ML)アプローチについて検討する。
論文 参考訳(メタデータ) (2020-06-14T18:39:27Z)
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。