論文の概要: Machine Learning based Parameter Sensitivity of Regional Climate Models
-- A Case Study of the WRF Model for Heat Extremes over Southeast Australia
- arxiv url: http://arxiv.org/abs/2307.14654v1
- Date: Thu, 27 Jul 2023 07:02:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-28 15:30:19.544381
- Title: Machine Learning based Parameter Sensitivity of Regional Climate Models
-- A Case Study of the WRF Model for Heat Extremes over Southeast Australia
- Title（参考訳）: 機械学習に基づく地域気候モデルのパラメータ感性 -オーストラリア南東部におけるヒートエクストリームのWRFモデルの場合-
- Authors: P. Jyoteeshkumar Reddy, Sandeep Chinta, Richard Matear, John Taylor,
Harish Baki, Marcus Thatcher, Jatin Kala, and Jason Sharples
- Abstract要約: 熱波や山火事は世界中の社会や生態系に大きな影響を及ぼす。
地域気候モデルは、これらの出来事のダイナミクスをよりよく理解するために一般的に使用される。
ここでは、熱極度の世界的なホットスポットの1つであるオーストラリア南東部に焦点をあてる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Heatwaves and bushfires cause substantial impacts on society and ecosystems
across the globe. Accurate information of heat extremes is needed to support
the development of actionable mitigation and adaptation strategies. Regional
climate models are commonly used to better understand the dynamics of these
events. These models have very large input parameter sets, and the parameters
within the physics schemes substantially influence the model's performance.
However, parameter sensitivity analysis (SA) of regional models for heat
extremes is largely unexplored. Here, we focus on the southeast Australian
region, one of the global hotspots of heat extremes. In southeast Australia
Weather Research and Forecasting (WRF) model is the widely used regional model
to simulate extreme weather events across the region. Hence in this study, we
focus on the sensitivity of WRF model parameters to surface meteorological
variables such as temperature, relative humidity, and wind speed during two
extreme heat events over southeast Australia. Due to the presence of multiple
parameters and their complex relationship with output variables, a machine
learning (ML) surrogate-based global sensitivity analysis method is considered
for the SA. The ML surrogate-based Sobol SA is used to identify the sensitivity
of 24 adjustable parameters in seven different physics schemes of the WRF
model. Results show that out of these 24, only three parameters, namely the
scattering tuning parameter, multiplier of saturated soil water content, and
profile shape exponent in the momentum diffusivity coefficient, are important
for the considered meteorological variables. These SA results are consistent
for the two different extreme heat events. Further, we investigated the
physical significance of sensitive parameters. This study's results will help
in further optimising WRF parameters to improve model simulation.
- Abstract（参考訳）: 熱波や山火事は世界中の社会や生態系に大きな影響を及ぼす。
対処可能な緩和および適応戦略の開発を支援するためには、熱極度の正確な情報が必要である。
地域気候モデルは、これらの現象のダイナミクスをよりよく理解するためによく用いられる。
これらのモデルは非常に大きな入力パラメータセットを持ち、物理スキーム内のパラメータはモデルの性能に大きく影響する。
しかし、地域モデルによる熱極端のパラメータ感度解析(sa)はほとんど未検討である。
ここでは、世界的なホットスポットの一つであるオーストラリア南東部に焦点を合わせます。
オーストラリア南東部の気象研究予測モデル(wrf)は、地域全体の極端な気象現象をシミュレートするために広く使われている地域モデルである。
そこで本研究では,オーストラリア南東部の2つの極端な熱イベントにおいて,気温,相対湿度,風速などの気象変数に対するWRFモデルパラメータの感度に着目した。
複数のパラメータの存在と出力変数との複雑な関係から,SAには機械学習(ML)サロゲートに基づくグローバル感度解析法が検討されている。
MLサロゲートに基づくSobol SAは、WRFモデルの7つの異なる物理スキームにおいて、24の調整可能なパラメータの感度を識別するために使用される。
その結果, この24項目のうち, 散乱チューニングパラメータ, 飽和土壌水分量の乗算器, 運動量拡散係数のプロファイル形状指数の3つのパラメータのみが, 気象学的変数として重要であることがわかった。
これらのSA結果は、2つの異なる極端な熱事象と一致している。
さらに,感度パラメータの物理的意義を検討した。
本研究の結果は、モデルシミュレーションを改善するために、WRFパラメータのさらなる最適化に役立つ。
関連論文リスト
- 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) - Applications of machine learning to predict seasonal precipitation for East Africa [0.0]
大規模な気候変動は、局所的または地域的温度または降水と線形または非線型な方法で関連付けられている。
本稿では,東アフリカにおける季節降水量の予測に解釈可能なML手法を用いることを検討した。
論文 参考訳（メタデータ） (2024-09-10T06:16:03Z) - MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。
以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。
本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文 参考訳（メタデータ） (2024-08-20T13:45:49Z) - Cluster-Segregate-Perturb (CSP): A Model-agnostic Explainability Pipeline for Spatiotemporal Land Surface Forecasting Models [5.586191108738564]
本稿では、LIMEのような摂動に基づく説明可能性手法とPDPのようなグローバルな限界説明可能性の両方から原理を統合するパイプラインを提案する。
提案したパイプラインは,複雑な陸面予測モデルにおける限界感度解析,限界相関解析,ラグ解析などの多様な調査分析の実施を単純化する。
論文 参考訳（メタデータ） (2024-08-12T04:29:54Z) - Embedding machine-learnt sub-grid variability improves climate model biases [0.44998333629984877]
雲形成の下の表現は、気候シミュレーションに関連する長年の偏見である。
高分解能統一モデルシミュレーションで訓練された多出力ガウス過程(MOGP)を組み込むことで,これらのバイアスを克服する。
制御モデルとMLハイブリッドモデルの両方に対して10年間の予測が生成される。
論文 参考訳（メタデータ） (2024-06-13T19:35:58Z) - 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) - 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) - 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) - A Three-regime Model of Network Pruning [47.92525418773768]
我々は、ニューラルネットワーク(NN)トレーニングのハイパーパラメータが刈り取り性能に与える影響をモデル化するために、温度のようなパラメータと負荷のようなパラメータを使用します。
プレプルーニングモデルにおける負荷様パラメータの値に依存すると、プレプルーニングモデルにおける温度様パラメータの値が増加するか、その後のプルーニング性能が向上または損なわれる可能性がある。
本モデルでは, 高温のダイコトモス効果は, ポストプランニングモデルにおいて, 異なるタイプの大域構造間の遷移と関係していることが明らかとなった。
論文 参考訳（メタデータ） (2023-05-28T08:09:25Z) - Modeling of Pan Evaporation Based on the Development of Machine Learning
Methods [0.0]
気温、風速、日照時間、湿度、太陽放射などの気候変化は蒸発過程に大きな影響を及ぼす可能性がある。
本研究の目的は、毎月のパン蒸発推定をモデル化するための機械学習(ML)モデルの有効性を検討することである。
論文 参考訳（メタデータ） (2021-10-10T10:06:16Z) - DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。
妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。
本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
論文 参考訳（メタデータ） (2020-11-23T20:13:37Z)
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。