論文の概要: Prediction of Deep Ice Layer Thickness Using Adaptive Recurrent Graph
Neural Networks
- arxiv url: http://arxiv.org/abs/2306.13690v1
- Date: Thu, 22 Jun 2023 19:59:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-27 19:46:56.449729
- Title: Prediction of Deep Ice Layer Thickness Using Adaptive Recurrent Graph
Neural Networks
- Title(参考訳): 適応型リカレントグラフニューラルネットワークによる氷深層厚の予測
- Authors: Benjamin Zalatan, Maryam Rahnemoonfar
- Abstract要約: 積雪予測に適応的かつ反復的なグラフ畳み込みネットワークを用いた機械学習モデルを提案する。
我々は,従来のモデルと同等の非時間的,非幾何学的,非適応的モデルよりも,より優れた一貫性を持つモデルを見出した。
- 参考スコア(独自算出の注目度): 0.38073142980732994
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As we deal with the effects of climate change and the increase of global
atmospheric temperatures, the accurate tracking and prediction of ice layers
within polar ice sheets grows in importance. Studying these ice layers reveals
climate trends, how snowfall has changed over time, and the trajectory of
future climate and precipitation. In this paper, we propose a machine learning
model that uses adaptive, recurrent graph convolutional networks to, when given
the amount of snow accumulation in recent years gathered through airborne radar
data, predict historic snow accumulation by way of the thickness of deep ice
layers. We found that our model performs better and with greater consistency
than our previous model as well as equivalent non-temporal, non-geometric, and
non-adaptive models.
- Abstract(参考訳): 気候変動の影響と地球の大気温度の上昇に対処するにつれ、極氷床内の氷層の正確な追跡と予測の重要性が高まっている。
これらの氷層を研究すると、気候の傾向、降雪の経年変化、将来の気候と降雨の軌跡が明らかになる。
本稿では,近年の降雪量が空中レーダデータによって蓄積されている場合,深層氷の厚さによって過去の積雪量を予測するため,適応的かつ反復的なグラフ畳み込みネットワークを用いた機械学習モデルを提案する。
我々は,従来のモデルと同等の非時間的,非幾何学的,非適応的モデルよりも,より優れた一貫性を持つモデルを見出した。
関連論文リスト
- 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) - Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。
提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
論文 参考訳(メタデータ) (2023-11-30T08:22:08Z) - Residual Diffusion Modeling for Km-scale Atmospheric Downscaling [51.061954281398116]
台湾上空2kmの高解像度気象モデルを用いて,コスト効率の低いダウンスケーリングモデルを訓練した。
textitCorrDiffは、RMSEとCRPSを巧みに表現し、極端な場合でもスペクトルと分布を忠実に回復する。
グローバルな予測のスケールダウンは、これらのメリットの多くを成功裏に維持し、マシンラーニングの天気予報のエンドツーエンドなグローバルなスケールの可能性を先導する。
論文 参考訳(メタデータ) (2023-09-24T19:57:22Z) - MT-IceNet -- A Spatial and Multi-Temporal Deep Learning Model for Arctic
Sea Ice Forecasting [0.31410342959104726]
我々は,北極海氷濃度(SIC)予測のためのMT-IceNet - UNetに基づく空間・多時間深層学習モデルを提案する。
提案モデルでは,6ヶ月のリードタイムで予測誤差を最大60%低減し,画素ごとのSIC予測に有望な予測性能を提供する。
論文 参考訳(メタデータ) (2023-08-08T18:18:31Z) - Prediction of Annual Snow Accumulation Using a Recurrent Graph
Convolutional Approach [0.38073142980732994]
近年、スノーレーダーのような空中レーダーセンサーは、垂直解像度の細かい大きな領域で内部の氷層を計測できることが示されている。
本研究では,グラフアテンションネットワークに基づくモデルを用いて,より大規模なデータセット上での入力データポイントの少ない年次積雪データポイントの予測を行った。
論文 参考訳(メタデータ) (2023-06-22T19:48:34Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳(メタデータ) (2023-02-20T16:08:54Z) - Recurrent Graph Convolutional Networks for Spatiotemporal Prediction of
Snow Accumulation Using Airborne Radar [0.38073142980732994]
本研究では,近年の積雪量予測のために,連続的なグラフ畳み込みネットワークに基づく機械学習モデルを提案する。
その結果、同値な非幾何学的モデルや非時間的モデルよりも、モデルの性能が良く、一貫性も高いことが判明した。
論文 参考訳(メタデータ) (2023-02-02T01:40:48Z) - An Interpretable Model of Climate Change Using Correlative Learning [0.0]
我々は、年間気温と降水量から年を予測するモデルを訓練する。
モデルが特定の年を予測する温度と降水パターンの違いは、時間を通して変化を示す。
相関学習アルゴリズムであるAlopexは、最適な温度と降水マップを見つけるために使われ、その年を最もよく予測する。
論文 参考訳(メタデータ) (2022-12-05T21:52:19Z) - 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) - A generative adversarial network approach to (ensemble) weather
prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。
提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文 参考訳(メタデータ) (2020-06-13T20:53:17Z)
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。