Fugu-MT 論文翻訳(概要): Dynamic Data Assimilation of MPAS-O and the Global Drifter Dataset

論文の概要: Dynamic Data Assimilation of MPAS-O and the Global Drifter Dataset

arxiv url: http://arxiv.org/abs/2301.05551v1
Date: Wed, 11 Jan 2023 21:21:02 GMT
ステータス: 処理完了
システム内更新日: 2023-01-16 15:38:37.924842
Title: Dynamic Data Assimilation of MPAS-O and the Global Drifter Dataset
Title（参考訳）: MPAS-Oとグローバルドリフトデータセットの動的データ同化
Authors: Derek DeSantis, Ayan Biswas, Earl Lawrence, Phillip Wolfram
Abstract要約: 本研究では,地球系モデル (ESMs) とIn situ buoy測定を組み合わせ,海洋温度予測の精度を向上させる手法を提案する。この手法を用いることで,MPAS-Oモデルによる局所温度予測の誤差を補正することができる。
参考スコア（独自算出の注目度）: 2.334159433763755
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this study, we propose a new method for combining in situ buoy measurements with Earth system models (ESMs) to improve the accuracy of temperature predictions in the ocean. The technique utilizes the dynamics and modes identified in ESMs to improve the accuracy of buoy measurements while still preserving features such as seasonality. Using this technique, errors in localized temperature predictions made by the MPAS-O model can be corrected. We demonstrate that our approach improves accuracy compared to other interpolation and data assimilation methods. We apply our method to assimilate the Model for Prediction Across Scales Ocean component (MPAS-O) with the Global Drifter Program's in-situ ocean buoy dataset.
Abstract（参考訳）: 本研究では,海洋における温度予測の精度を向上させるために,地球系モデル(esms)とin situ buoy測定を組み合わせた新しい手法を提案する。この技術はesmで識別されるダイナミクスとモードを利用して、季節性などの特徴を保ちながらブイ測定の精度を向上させる。この手法を用いることで,MPAS-Oモデルによる局所温度予測の誤差を補正することができる。提案手法は他の補間法やデータ同化法に比べて精度が向上することを示す。本手法は,グローバル・ドリフト・プログラムの海洋ブイデータセットを用いて,スケールス・オーシャン・コンポーネント (mpas-o) の予測モデルを適用した。

関連論文リスト

Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
論文参考訳（メタデータ） (2024-07-18T15:44:23Z)
Optimized Dynamic Mode Decomposition for Reconstruction and Forecasting of Atmospheric Chemistry Data [3.1484174280822845]
適応的かつ効率的な縮小順序モデルと予測ツールを構築するために最適化された動的モード分解を導入する。 DMDアルゴリズムは,夏季の大気汚染やバイオマス燃焼など,大気化学の既知の特徴を抽出することに成功した。
論文参考訳（メタデータ） (2024-04-13T15:44:12Z)
Continual Learning of Range-Dependent Transmission Loss for Underwater Acoustic using Conditional Convolutional Neural Net [0.0]
本研究では,遠方界シナリオにおける水中放射音予測のための深層学習モデルの精度向上を目的としている。そこで本稿では,海洋浴量測定データを入力に組み込んだ新しいレンジ条件畳み込みニューラルネットワークを提案する。提案アーキテクチャは, 帯域依存性の異なる様々な浴量測定プロファイル上での透過損失を効果的に捕捉する。
論文参考訳（メタデータ） (2024-04-11T19:13:38Z)
Streamlining Ocean Dynamics Modeling with Fourier Neural Operators: A Multiobjective Hyperparameter and Architecture Optimization Approach [5.232806761554172]
我々は,海洋モデルに適したニューラルネットワークの開発を効率化するために,DeepHyperの多目的最適化に先進的な探索アルゴリズムを用いる。本研究では, 海洋力学予測におけるFNOの利用を向上する手法を示し, 精度を向上したスケーラブルなソリューションを提供する。
論文参考訳（メタデータ） (2024-04-07T14:29:23Z)
Subsurface Characterization using Ensemble-based Approaches with Deep Generative Models [2.184775414778289]
逆モデリングは、計算コストとスパースデータセットによる予測精度の低下により、不適切な高次元アプリケーションに限られる。 Wasserstein Geneversarative Adrial Network と Gradient Penalty (WGAN-GP) と Ensemble Smoother を多重データ同化 (ES-MDA) と組み合わせる。 WGAN-GPは低次元の潜伏空間から高次元K場を生成するために訓練され、ES-MDAは利用可能な測定値を同化することにより潜伏変数を更新する。
論文参考訳（メタデータ） (2023-10-02T01:27:10Z)
Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
論文参考訳（メタデータ） (2023-04-20T19:15:02Z)
Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
論文参考訳（メタデータ） (2022-12-07T10:01:11Z)
HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper Surfaces [54.77683371400133]
本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
論文参考訳（メタデータ） (2022-10-13T16:39:53Z)
Extension of Dynamic Mode Decomposition for dynamic systems with incomplete information based on t-model of optimal prediction [69.81996031777717]
動的モード分解は、動的データを研究するための非常に効率的な手法であることが証明された。このアプローチの適用は、利用可能なデータが不完全である場合に問題となる。本稿では,森-Zwanzig分解の1次近似を考察し,対応する最適化問題を記述し,勾配に基づく最適化法を用いて解く。
論文参考訳（メタデータ） (2022-02-23T11:23:59Z)
Physics-Guided Generative Adversarial Networks for Sea Subsurface Temperature Prediction [24.55780949103687]
海面下温度は気候変動の地球温暖化の影響を受けている。既存の研究は一般に物理学に基づく数値モデルまたはデータに基づくモデルに基づいている。本稿では,GAN(Generative Adversarial Network)と数値モデルを組み合わせた,海底温度の予測手法を提案する。
論文参考訳（メタデータ） (2021-11-04T23:46:51Z)
Using Data Assimilation to Train a Hybrid Forecast System that Combines Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文参考訳（メタデータ） (2021-02-15T19:56:48Z)

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。