論文の概要: Towards Learned Emulation of Interannual Water Isotopologue Variations
in General Circulation Models
- arxiv url: http://arxiv.org/abs/2301.13462v1
- Date: Tue, 31 Jan 2023 07:54:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-01 17:15:19.181964
- Title: Towards Learned Emulation of Interannual Water Isotopologue Variations
in General Circulation Models
- Title(参考訳): 一般循環モデルにおける年次水アイソトポローグ変動の学習に向けて
- Authors: Jonathan Wider, Jakob Kruse, Nils Weitzel, Janica C. B\"uhler, Ullrich
K\"othe and Kira Rehfeld
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 2.161227459325287
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Simulating abundances of stable water isotopologues, i.e. molecules differing
in their isotopic composition, within climate models allows for comparisons
with proxy data and, thus, for testing hypotheses about past climate and
validating climate models under varying climatic conditions. However, many
models are run without explicitly simulating water isotopologues. We
investigate the possibility to replace the explicit physics-based simulation of
oxygen isotopic composition in precipitation using machine learning methods.
These methods estimate isotopic composition at each time step for given fields
of surface temperature and precipitation amount. We implement convolutional
neural networks (CNNs) based on the successful UNet architecture and test
whether a spherical network architecture outperforms the naive approach of
treating Earth's latitude-longitude grid as a flat image. Conducting a case
study on a last millennium run with the iHadCM3 climate model, we find that
roughly 40\% of the temporal variance in the isotopic composition is explained
by the emulations on interannual and monthly timescale, with spatially varying
emulation quality. A modified version of the standard UNet architecture for
flat images yields results that are equally good as the predictions by the
spherical CNN. We test generalization to last millennium runs of other climate
models and find that while the tested deep learning methods yield the best
results on iHadCM3 data, the performance drops when predicting on other models
and is comparable to simple pixel-wise linear regression. An extended choice of
predictor variables and improving the robustness of learned climate--oxygen
isotope relationships should be explored in future work.
- Abstract(参考訳): 気候モデルにおける安定な水のイソトポローグの存在量、すなわちその同位体組成の異なる分子のシミュレーションは、プロキシデータとの比較を可能にし、過去の気候に関する仮説を検証し、様々な気候条件下で気候モデルを検証する。
しかし、多くのモデルは水アイソトポローグを明示的にシミュレートすることなく実行される。
本研究では, 降水時の酸素同位体組成の明示的な物理シミュレーションを機械学習手法で置き換える可能性を検討する。
これらの手法は, 表面温度および降水量の各時間ステップにおける同位体組成を推定する。
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(cnns)を実装し、球状ネットワークアーキテクチャが地球の緯度経度グリッドを平坦な画像として扱うナイーブなアプローチよりも優れているかどうかをテストする。
iHadCM3気候モデルを用いた最終千年紀のケーススタディにより, 同位体組成の時間的変動の約40%は, 年次および月次時間スケールのエミュレーションによって説明され, 空間的に異なるエミュレーション品質を持つことがわかった。
フラット画像のための標準UNetアーキテクチャの修正版では、球面CNNの予測と同等に良い結果が得られる。
実験により,iHadCM3データにおいて,テストした深層学習法が最良の結果をもたらすのに対して,他のモデルで予測した場合のパフォーマンスは低下し,単純なピクセル単位の線形回帰に匹敵することがわかった。
予測変数の長い選択と学習した気候の堅牢性の改善--酸素同位体関係は今後の研究で検討されるべきである。
関連論文リスト
- Causal Representation Learning in Temporal Data via Single-Parent Decoding [66.34294989334728]
科学的研究はしばしば、システム内の高レベル変数の根底にある因果構造を理解しようとする。
科学者は通常、地理的に分布した温度測定などの低レベルの測定を収集する。
そこで本研究では,単一親の復号化による因果発見法を提案し,その上で下位の潜伏者と因果グラフを同時に学習する。
論文 参考訳(メタデータ) (2024-10-09T15:57:50Z) - Ensemble data assimilation to diagnose AI-based weather prediction model: A case with ClimaX version 0.3.1 [0.0]
本研究では,AIに基づく天気予報モデルの診断にアンサンブルデータ同化を用いた手法を提案する。
AIベースのモデルであるClimaXを用いた実験では、AIベースの天気予報モデルに対して、アンサンブルデータ同化が安定して周期化されることが実証された。
論文 参考訳(メタデータ) (2024-07-25T05:22:08Z) - 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) - Expanding Mars Climate Modeling: Interpretable Machine Learning for
Modeling MSL Relative Humidity [0.0]
本稿では,機械学習技術を活用した火星の気候モデリング手法を提案する。
我々の研究は、Gale Craterの相対湿度を正確にモデル化するために設計されたディープニューラルネットワークを提案する。
我々のニューラルネットワークは、いくつかの気象変数を用いて、ガレクレーターの相対湿度を効果的にモデル化できることがわかった。
論文 参考訳(メタデータ) (2023-09-04T08:15:15Z) - 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) - Spatiotemporal modeling of European paleoclimate using doubly sparse
Gaussian processes [61.31361524229248]
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。
論文 参考訳(メタデータ) (2022-11-15T14:15:04Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳(メタデータ) (2022-02-18T22:41:51Z) - Loosely Conditioned Emulation of Global Climate Models With Generative
Adversarial Networks [2.937141232326068]
我々は、完全に結合した地球モデルから毎日の降水量をエミュレートする2つの「緩やかな条件付き」ジェネレーターネットワーク(GAN)を訓練する。
GANは時間的なサンプルを作り出すために訓練されます:地球を区別する64x128規則的な格子上の沈殿物の32日。
当社の訓練を受けたGANは、大幅に削減された計算コストで多数の実現を迅速に生成できます。
論文 参考訳(メタデータ) (2021-04-29T02:10:08Z)
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。