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
- Storm Surge Modeling in the AI ERA: Using LSTM-based Machine Learning
for Enhancing Forecasting Accuracy [0.7149367973754319]
LSTMに基づくディープラーニングネットワーク機械学習アーキテクチャを提案する。
本研究の全体的な目標は,物理モデルのシステム的誤差を予測し,シミュレーション結果の精度を向上させることである。
論文 参考訳(メタデータ) (2024-03-07T13:19:38Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳(メタデータ) (2024-01-22T14:02:56Z) - Online Variational Sequential Monte Carlo [56.16884466478886]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。
オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文 参考訳(メタデータ) (2023-12-19T21:45:38Z) - Nodal Hydraulic Head Estimation through Unscented Kalman Filter for
Data-driven Leak Localization in Water Networks [1.747820331822631]
本研究では,無意味カルマンフィルタに基づく水分散ネットワーク(WDN)の能動水理ヘッド推定手法を提案する。
イギリス空軍は、予測モデルと利用可能な圧力と需要の測定を考慮し、油圧状態の初期推定を洗練している。
現実的な条件下でのモデナベンチマークのパフォーマンステストは、状態推定とデータ駆動のリークローカライゼーションを向上させる方法の有効性を示す。
論文 参考訳(メタデータ) (2023-11-27T14:48:37Z) - 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) - Uncertainty Quantification Techniques for Space Weather Modeling:
Thermospheric Density Application [0.0]
熱圏密度を予測する非線形MLモデルを開発するための2つの手法を提案する。
ローカルおよびグローバルデータセットでトレーニングされたモデルの性能を示す。
精度の高い不確実性推定値を用いて,独立テストデータ上で11%の誤差を達成した。
論文 参考訳(メタデータ) (2022-01-06T14:17:50Z) - 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) - Predicting Critical Biogeochemistry of the Southern Ocean for Climate
Monitoring [1.8689461238197955]
我々は、南洋のケイ酸塩とリン酸塩の値を、温度、圧力、塩分濃度、酸素、硝酸塩、位置から予測するためにニューラルネットワークを訓練する。
これらのモデルを地球系モデル(ESM)およびBGC-Argoデータに適用し、この海洋観測ネットワークの有用性を拡大する。
論文 参考訳(メタデータ) (2021-10-30T00:13:46Z) - 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) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳(メタデータ) (2021-02-15T10:37:52Z) - Improving Sampling Accuracy of Stochastic Gradient MCMC Methods via
Non-uniform Subsampling of Gradients [54.90670513852325]
サンプリング精度を向上させるための一様でないサブサンプリング手法を提案する。
EWSGは、一様勾配MCMC法がバッチ勾配MCMC法の統計的挙動を模倣するように設計されている。
EWSGの実践的な実装では、データインデックス上のMetropolis-Hastingsチェーンを介して、一様でないサブサンプリングを効率的に行う。
論文 参考訳(メタデータ) (2020-02-20T18:56:18Z)
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。