Fugu-MT 論文翻訳(概要): A Machine Learning Approach to Measuring Climate Adaptation

論文の概要: A Machine Learning Approach to Measuring Climate Adaptation

arxiv url: http://arxiv.org/abs/2302.01236v1
Date: Thu, 2 Feb 2023 17:16:48 GMT
ステータス: 処理完了
システム内更新日: 2023-02-03 13:18:14.389427
Title: A Machine Learning Approach to Measuring Climate Adaptation
Title（参考訳）: 気候適応度測定のための機械学習アプローチ
Authors: Max Vilgalys
Abstract要約: 被害気象の短期変化と長期変化の弾力性を比較することで,気候変動への適応度を測定した。パネル設定でこれらの弾性を柔軟に測定するための偏りのある機械学習手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: I measure adaptation to climate change by comparing elasticities from short-run and long-run changes in damaging weather. I propose a debiased machine learning approach to flexibly measure these elasticities in panel settings. In a simulation exercise, I show that debiased machine learning has considerable benefits relative to standard machine learning or ordinary least squares, particularly in high-dimensional settings. I then measure adaptation to damaging heat exposure in United States corn and soy production. Using rich sets of temperature and precipitation variation, I find evidence that short-run impacts from damaging heat are significantly offset in the long run. I show that this is because the impacts of long-run changes in heat exposure do not follow the same functional form as short-run shocks to heat exposure.
Abstract（参考訳）: 気象の短期変化と長期変化の弾力性を比較することで、気候変動への適応を計測する。パネル設定でこれらの弾性を柔軟に測定するための偏りのある機械学習手法を提案する。シミュレーションエクササイズでは、デバイアスド機械学習は、特に高次元設定において、標準的な機械学習や通常の最小二乗と比較してかなりの利点があることを示す。次に、米国トウモロコシと大豆の生産における熱被曝の損傷に対する適応を測定する。温度と降水量の変化の豊富なセットを用いて、損傷熱による短期的な影響が長期にわたって著しく相違していることを示す。これは熱暴露の長期的変化による影響が、熱暴露に対する短期的衝撃と同じ機能的形態に従わないためである。

関連論文リスト

Robustness of AI-based weather forecasts in a changing climate [1.4779266690741741]
現状の機械学習モデルは、現在の気候における天気予報のために訓練されたものであり、様々な気候状態において熟練した予測をもたらすことを示す。現在の制限にもかかわらず、我々の結果は、データ駆動機械学習モデルが気候科学に強力なツールを提供することを示唆している。
論文参考訳（メタデータ） (2024-09-27T08:11:49Z)
Genuine Knowledge from Practice: Diffusion Test-Time Adaptation for Video Adverse Weather Removal [53.15046196592023]
ビデオの悪天候除去におけるテスト時間適応について紹介する。本稿では,テスト時間適応を反復拡散逆プロセスに統合する最初のフレームワークを提案する。
論文参考訳（メタデータ） (2024-03-12T14:21:30Z)
A Temporal Stochastic Bias Correction using a Machine Learning Attention model [0.0]
バイアス補正(BC)法は、時間的バイアスを調整するのに苦労する。 BCメソッドは、主に連続した時間ポイント間の依存を無視します。これにより、このような気候統計に関する信頼性の高い影響研究がより困難になる。
論文参考訳（メタデータ） (2024-02-21T23:18:03Z)
ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文参考訳（メタデータ） (2024-02-02T10:34:13Z)
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)
Climate-sensitive Urban Planning through Optimization of Tree Placements [55.11389516857789]
気候変動は、熱波を含む多くの極端な気象事象の強度と頻度を増している。最も有望な戦略の1つは、街路樹の恩恵を利用して歩行者レベルの環境を冷やすことである。物理シミュレーションでは、樹木の放射的および熱的影響が人間の熱的快適性に与える影響を推定できるが、高い計算コストが生じる。我々は,屋外の熱的快適さの駆動因子である点平均放射温度を,様々な時間スケールでシミュレーションするためにニューラルネットワークを用いた。
論文参考訳（メタデータ） (2023-10-09T13:07:23Z)
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)
Are You Comfortable Now: Deep Learning the Temporal Variation in Thermal Comfort in Winters [4.1450131693013095]
温熱的快適感の時間的変動は、居住者の幸福感とエネルギー消費を規制する重要な問題である。ほとんどの機械学習(ML)に基づく熱快適研究では、日時、概日リズム、屋外温度といった時間的側面は考慮されていない。本研究では,概日リズムと屋外温度がMLモデルの予測精度と分類性能に及ぼす影響について検討する。
論文参考訳（メタデータ） (2022-08-20T07:45:01Z)
MLRM: A Multiple Linear Regression based Model for Average Temperature Prediction of A Day [3.6704226968275258]
我々は,過去の気象データと複数の線形回帰モデルを用いて,地域の天気を予測することを目的としている。このモデルは摂氏2.8度の誤差で1日の平均気温を予測できる。
論文参考訳（メタデータ） (2022-03-11T10:22:57Z)
Machine learning reveals how personalized climate communication can both succeed and backfire [55.41644538483948]
オンライン広告は、気候変動に対する人々の信念を増大させる一方で、他人に対する信念を低下させることを示す。特に,年齢や民族によって広告の効果が変化する可能性が示唆された。
論文参考訳（メタデータ） (2021-09-10T20:47:34Z)
Investigating Underlying Drivers of Variability in Residential Energy Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
論文参考訳（メタデータ） (2021-02-16T16:56:27Z)

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。