論文の概要: Learning Regionalization within a Differentiable High-Resolution
Hydrological Model using Accurate Spatial Cost Gradients
- arxiv url: http://arxiv.org/abs/2308.02040v1
- Date: Wed, 2 Aug 2023 07:23:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-07 14:30:50.995737
- Title: Learning Regionalization within a Differentiable High-Resolution
Hydrological Model using Accurate Spatial Cost Gradients
- Title（参考訳）: 正確な空間コスト勾配を用いた高分解能水文モデルの学習地域化
- Authors: Ngo Nghi Truyen Huynh (INRAE), Pierre-Andr\'e Garambois (INRAE),
Fran\c{c}ois Colleoni (INRAE), Benjamin Renard (INRAE), H\'el\`ene Roux
(IMFT), Julie Demargne (HYDRIS), Pierre Javelle (INRAE)
- Abstract要約: 未タグ漁獲物における空間分布水文パラメータの推定は, 地域化の問題を引き起こす。
本稿では,HDA-PR(Hybrid Data Assimilation and Regionalization)アプローチを提案する。
フランスの南方に位置する2つのフラッシュフロード・プロン地域の高分解能、時間、およびキロメートルの地域モデルで試験されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Estimating spatially distributed hydrological parameters in ungauged
catchments poses a challenging regionalization problem and requires imposing
spatial constraints given the sparsity of discharge data. A possible approach
is to search for a transfer function that quantitatively relates physical
descriptors to conceptual model parameters. This paper introduces a Hybrid Data
Assimilation and Parameter Regionalization (HDA-PR) approach incorporating
learnable regionalization mappings, based on either multivariate regressions or
neural networks, into a differentiable hydrological model. It enables the
exploitation of heterogeneous datasets across extensive spatio-temporal
computational domains within a high-dimensional regionalization context, using
accurate adjoint-based gradients. The inverse problem is tackled with a
multi-gauge calibration cost function accounting for information from multiple
observation sites. HDA-PR was tested on high-resolution, hourly and kilometric
regional modeling of two flash-flood-prone areas located in the South of
France. In both study areas, the median Nash-Sutcliffe efficiency (NSE) scores
ranged from 0.52 to 0.78 at pseudo-ungauged sites over calibration and
validation periods. These results highlight a strong regionalization
performance of HDA-PR, improving NSE by up to 0.57 compared to the baseline
model calibrated with lumped parameters, and achieving a performance comparable
to the reference solution obtained with local uniform calibration (median NSE
from 0.59 to 0.79). Multiple evaluation metrics based on flood-oriented
hydrological signatures are also employed to assess the accuracy and robustness
of the approach. The regionalization method is amenable to state-parameter
correction from multi-source data over a range of time scales needed for
operational data assimilation, and it is adaptable to other differentiable
geophysical models.
- Abstract（参考訳）: 未タグ漁獲物における空間分布水文パラメータの推定は, 地域化の問題であり, 放電データの空間的制約を課す必要がある。
可能なアプローチは、物理ディスクリプタと概念モデルパラメータを定量的に関連付ける転送関数を探すことである。
本稿では,多変量回帰あるいはニューラルネットワークに基づく学習可能な地域化マッピングを,異なる水文モデルに組み込んだハイブリッドデータ同化パラメータ地域化(HDA-PR)手法を提案する。
これは、正確な随伴に基づく勾配を用いて、高次元の地域化コンテキスト内の広範囲な時空間計算領域にわたる異種データセットの活用を可能にする。
逆問題は、複数の観測サイトからの情報を勘定するマルチゲージキャリブレーションコスト関数によって解決される。
HDA-PRは、フランス南部にある2つのフラッシュフロード・プロン地域の高分解能、時間、およびキロメートルの地域モデルで試験された。
どちらの研究領域においても, キャリブレーションおよび検証期間におけるナッシュ・サトクリフ効率(NSE)の中央値は, 擬似未処理部位において0.52から0.78であった。
これらの結果から,hda-prの局所化性能は良好であり,集中パラメータをキャリブレーションしたベースラインモデルと比較して最大0.57まで向上し,局所一様校正(中間nseは0.59から0.79)で得られた基準解に匹敵する性能を得ることができた。
洪水指向水文シグネチャに基づく複数の評価指標を用いて,アプローチの正確性とロバスト性を評価する。
地域化法は、運用データ同化に必要な様々な時間スケールにわたる多元データからの状態パラメータ補正に適しており、他の微分可能な物理モデルに適応可能である。
関連論文リスト
- RegionGCN: Spatial-Heterogeneity-Aware Graph Convolutional Networks [8.132751508556078]
本研究では,地域レベルでの空間的プロセスの不均一性を個人レベルでではなく,地域レベルでモデル化することを提案する。
本研究では,2016年アメリカ合衆国大統領選挙における郡レベルの投票率の空間的予測に,地域GCNという空間的不均一性を考慮したグラフ畳み込みネットワークを適用した。
論文 参考訳（メタデータ） (2025-01-29T12:09:01Z) - Knowledge Distillation and Enhanced Subdomain Adaptation Using Graph Convolutional Network for Resource-Constrained Bearing Fault Diagnosis [0.0]
複雑な教師モデルからコンパクトで効率的な学生モデルに知識を伝達する進歩的知識蒸留フレームワークを提案する。
再生ケルネルヒルベルト空間(RKHS)における平均および分散統計を利用してラベル間の事前確率分布を組み込むELMMSD(Enhanced Local Maximum Mean Squared Discrepancy)を導入する。
論文 参考訳（メタデータ） (2025-01-13T10:05:47Z) - HSLiNets: Hyperspectral Image and LiDAR Data Fusion Using Efficient Dual Non-Linear Feature Learning Networks [7.06787067270941]
新しい線形特徴空間におけるハイパースペクトルイメージング(HSI)とLiDARデータの統合は、HSIに固有の高次元性と冗長性に起因する課題に対する有望な解決策を提供する。
本研究では、双方向逆畳み込み畳み込みニューラルネットワーク(CNN)経路と特殊空間解析ブロックを併用した、二重線型融合空間フレームワークを提案する。
提案手法は,データ処理や分類精度を向上するだけでなく,トランスフォーマーなどの先進モデルに係わる計算負担を軽減する。
論文 参考訳（メタデータ） (2024-11-30T01:08:08Z) - Stability and Generalization for Distributed SGDA [70.97400503482353]
分散SGDAのための安定性に基づく一般化分析フレームワークを提案する。
我々は, 安定性の誤差, 一般化ギャップ, 人口リスクの包括的分析を行う。
理論的結果から,一般化ギャップと最適化誤差のトレードオフが明らかになった。
論文 参考訳（メタデータ） (2024-11-14T11:16:32Z) - Neural variational Data Assimilation with Uncertainty Quantification using SPDE priors [28.804041716140194]
ディープラーニングコミュニティの最近の進歩は、ニューラルネットワークと変分データ同化フレームワークを通じて、この問題に対処することができる。
本研究では、部分微分方程式(SPDE)とガウス過程(GP)の理論を用いて状態の空間的および時間的共分散を推定する。
論文 参考訳（メタデータ） (2024-02-02T19:18:12Z) - Multi-gauge Hydrological Variational Data Assimilation: Regionalization
Learning with Spatial Gradients using Multilayer Perceptron and
Bayesian-Guided Multivariate Regression [0.3281128493853064]
この貢献は、高分解能水理モデルのために設計された複雑な地域移動関数を学習するための、新しいシームレスな地域化技術を示す。
このアプローチでは、推定可能な地域化マッピングを微分可能な水文モデルに組み込んで、正確な随伴型空間分布勾配を持つマルチゲージデータに基づいて計算されるコスト関数を最適化する。
論文 参考訳（メタデータ） (2023-07-04T08:27:52Z) - Stochastic Marginal Likelihood Gradients using Neural Tangent Kernels [78.6096486885658]
線形化されたラプラス近似に下界を導入する。
これらの境界は漸進的な最適化が可能であり、推定精度と計算複雑性とのトレードオフを可能にする。
論文 参考訳（メタデータ） (2023-06-06T19:02:57Z) - Score Approximation, Estimation and Distribution Recovery of Diffusion
Models on Low-Dimensional Data [68.62134204367668]
本稿では,未知の低次元線形部分空間上でデータをサポートする場合の拡散モデルのスコア近似,推定,分布回復について検討する。
適切に選択されたニューラルネットワークアーキテクチャでは、スコア関数を正確に近似し、効率的に推定することができる。
推定スコア関数に基づいて生成された分布は、データ幾何学構造を捕捉し、データ分布の近傍に収束する。
論文 参考訳（メタデータ） (2023-02-14T17:02:35Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳（メタデータ） (2020-09-29T21:17:16Z) - Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。
本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。
このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
論文 参考訳（メタデータ） (2020-09-29T12:50:33Z) - Joint and Progressive Subspace Analysis (JPSA) with Spatial-Spectral
Manifold Alignment for Semi-Supervised Hyperspectral Dimensionality Reduction [48.73525876467408]
本稿では,超スペクトル部分空間解析のための新しい手法を提案する。
この手法はジョイント・アンド・プログレッシブ・サブスペース分析(JPSA)と呼ばれる。
2つの広帯域超スペクトルデータセットに対して提案したJPSAの優位性と有効性を示す実験を行った。
論文 参考訳（メタデータ） (2020-09-21T16:29:59Z)
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。