論文の概要: Intelligent model for offshore China sea fog forecasting
- arxiv url: http://arxiv.org/abs/2307.10580v1
- Date: Thu, 20 Jul 2023 04:46:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-21 14:50:14.499624
- Title: Intelligent model for offshore China sea fog forecasting
- Title（参考訳）: 中国沖海霧予測のためのインテリジェントモデル
- Authors: Yanfei Xiang, Qinghong Zhang, Mingqing Wang, Ruixue Xia, Yang Kong,
Xiaomeng Huang
- Abstract要約: 本研究は, 数値気象予報モデルに埋もれた深海霧予測手法を開発することを目的とする。
本研究では,海霧発生の要因を解明するために,時間差相関解析手法を用いて鍵予測器を同定し,そのメカニズムを解明する。
提案手法の精度を検証するため,1年にわたる包括的データセットを用いて評価を行った。
- 参考スコア（独自算出の注目度）: 0.7503129292751938
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate and timely prediction of sea fog is very important for effectively
managing maritime and coastal economic activities. Given the intricate nature
and inherent variability of sea fog, traditional numerical and statistical
forecasting methods are often proven inadequate. This study aims to develop an
advanced sea fog forecasting method embedded in a numerical weather prediction
model using the Yangtze River Estuary (YRE) coastal area as a case study. Prior
to training our machine learning model, we employ a time-lagged correlation
analysis technique to identify key predictors and decipher the underlying
mechanisms driving sea fog occurrence. In addition, we implement ensemble
learning and a focal loss function to address the issue of imbalanced data,
thereby enhancing the predictive ability of our model. To verify the accuracy
of our method, we evaluate its performance using a comprehensive dataset
spanning one year, which encompasses both weather station observations and
historical forecasts. Remarkably, our machine learning-based approach surpasses
the predictive performance of two conventional methods, the weather research
and forecasting nonhydrostatic mesoscale model (WRF-NMM) and the algorithm
developed by the National Oceanic and Atmospheric Administration (NOAA)
Forecast Systems Laboratory (FSL). Specifically, in regard to predicting sea
fog with a visibility of less than or equal to 1 km with a lead time of 60
hours, our methodology achieves superior results by increasing the probability
of detection (POD) while simultaneously reducing the false alarm ratio (FAR).
- Abstract（参考訳）: 海洋経済活動と沿岸経済活動の効果的管理には,海霧の正確な時間的予測が重要である。
海霧の複雑な性質と固有の変動を考えると、従来の数値および統計的予測法は不適切であることがしばしば証明される。
本研究の目的は,yre(yangtze river estuary)沿岸地域を事例として,数値気象予測モデルに組み込んだ高度海霧予測手法の開発である。
機械学習モデルをトレーニングする前に,タイムラグ相関分析手法を用いて主要な予測要因を同定し,海霧の発生を誘発するメカニズムを解明した。
さらに,不均衡データ問題に対処するためにアンサンブル学習と焦点損失関数を実装し,モデルの予測能力を高める。
本手法の精度を検証するため,気象観測と過去の予測の両方を含む1年にわたる包括的データセットを用いて,その性能を評価する。
驚くべきことに、機械学習に基づくアプローチは、気象研究と非静水型メソスケールモデル(wrf-nmm)と、アメリカ海洋大気庁(noaa)予測システム研究所(fsl)が開発したアルゴリズムの2つの従来の手法の予測性能を上回っている。
具体的には,60時間のリードタイムで1km以下の可視性を有する海霧の予測において,検出確率(pod)を増加させ,同時に誤警報率(far)を低下させることにより,優れた結果を得る。
関連論文リスト
- Data-Driven Uncertainty-Aware Forecasting of Sea Ice Conditions in the Gulf of Ob Based on Satellite Radar Imagery [18.442595367075867]
本稿では,オビ湾における海水環境予測のための新しいデータ駆動手法を提案する。
我々のアプローチは、北極海氷力学のユニークな課題に合わせて、ドメイン固有のデータ前処理と拡張技術を用いて、高度なビデオ予測モデルを統合する。
論文 参考訳（メタデータ） (2024-10-14T15:52:36Z) - Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。
我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。
本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
論文 参考訳（メタデータ） (2024-09-11T19:31:56Z) - Data driven weather forecasts trained and initialised directly from observations [1.44556167750856]
Skilful Machine Learned weather forecasts has challenged our approach to numerical weather prediction。
データ駆動システムは、過去の気象の長い歴史記録から学ぶことによって、将来の天気を予測するために訓練されている。
そこで我々は,ニューラルネットワークをトレーニングし,過去の観測から将来の天気を予測する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-07-22T12:23:26Z) - Uncertainty quantification for data-driven weather models [0.0]
本研究では,現在最先端の決定論的データ駆動気象モデルであるPangu-Weatherから確率的天気予報を生成するための不確実性定量化手法について検討・比較する。
具体的には,摂動によるアンサンブル予測を初期条件と比較し,予測の不確実性を定量化する手法を提案する。
欧州における選択された気象変数の中距離予測のケーススタディにおいて,不確実な定量化手法を用いてパング・ウェザーモデルを用いて得られた確率的予測は,有望な結果を示す。
論文 参考訳（メタデータ） (2024-03-20T10:07:51Z) - 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) - FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather
Forecasting [56.73502043159699]
この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。
低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。
2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
論文 参考訳（メタデータ） (2024-01-28T13:23:25Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z) - Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳（メタデータ） (2023-09-12T13:28:06Z) - Extreme precipitation forecasting using attention augmented convolutions [0.913755431537592]
降雨予測のための自己注意型拡張畳み込み機構を提案する。
実験の結果,このフレームワークは古典的畳み込みモデルよりも12%優れていた。
提案手法は,極端な変化の物理的原因を把握するためのツールとして,機械学習を向上させる。
論文 参考訳（メタデータ） (2022-01-31T18:16:03Z) - 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。