論文の概要: Fourier neural operator for real-time simulation of 3D dynamic urban
microclimate
- arxiv url: http://arxiv.org/abs/2308.03985v2
- Date: Sat, 30 Sep 2023 19:07:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-03 17:06:14.568730
- Title: Fourier neural operator for real-time simulation of 3D dynamic urban
microclimate
- Title（参考訳）: 3次元動的都市気候のリアルタイムシミュレーションのためのフーリエニューラルオペレータ
- Authors: Wenhui Peng, Shaoxiang Qin, Senwen Yang, Jianchun Wang, Xue Liu,
Liangzhu Leon Wang
- Abstract要約: 実時間3次元都市風洞シミュレーションにフーリエニューラル演算子(FNO)ネットワークを適用した。
数値実験により、FNOモデルが瞬時空間速度場を正確に再構成できることが示されている。
さらに,風向の異なる未確認データに基づくFNOモデルの評価を行い,FNOモデルが風向の異なるデータに対して良好に一般化可能であることを示す。
- 参考スコア（独自算出の注目度）: 2.1680962744993657
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Global urbanization has underscored the significance of urban microclimates
for human comfort, health, and building/urban energy efficiency. They
profoundly influence building design and urban planning as major environmental
impacts. Understanding local microclimates is essential for cities to prepare
for climate change and effectively implement resilience measures. However,
analyzing urban microclimates requires considering a complex array of outdoor
parameters within computational domains at the city scale over a longer period
than indoors. As a result, numerical methods like Computational Fluid Dynamics
(CFD) become computationally expensive when evaluating the impact of urban
microclimates. The rise of deep learning techniques has opened new
opportunities for accelerating the modeling of complex non-linear interactions
and system dynamics. Recently, the Fourier Neural Operator (FNO) has been shown
to be very promising in accelerating solving the Partial Differential Equations
(PDEs) and modeling fluid dynamic systems. In this work, we apply the FNO
network for real-time three-dimensional (3D) urban wind field simulation. The
training and testing data are generated from CFD simulation of the urban area,
based on the semi-Lagrangian approach and fractional stepping method to
simulate urban microclimate features for modeling large-scale urban problems.
Numerical experiments show that the FNO model can accurately reconstruct the
instantaneous spatial velocity field. We further evaluate the trained FNO model
on unseen data with different wind directions, and the results show that the
FNO model can generalize well on different wind directions. More importantly,
the FNO approach can make predictions within milliseconds on the graphics
processing unit, making real-time simulation of 3D dynamic urban microclimate
possible.
- Abstract（参考訳）: 地球規模の都市化は、人間の快適性、健康、建築/都市エネルギー効率のための都市微小気候の重要性を強調している。
主な環境影響として、建築設計や都市計画に大きな影響を与えている。
都市が気候変動に備え、レジリエンス対策を効果的に実施するためには、地域の微気候を理解することが不可欠である。
しかし、都市の微気候を分析するには、計算領域内の屋外パラメータの複雑な配列を屋内よりも長期にわたって考慮する必要がある。
その結果, 都市微小気候の影響評価において, 計算流体力学(cfd)などの数値計算手法は計算コストが高くなる。
ディープラーニング技術の台頭により、複雑な非線形相互作用とシステムダイナミクスのモデリングを加速する新たな機会が開けた。
近年、フーリエニューラル演算子(FNO)は、部分微分方程式(PDE)の解法と流体力学系のモデリングの高速化に非常に有望であることが示されている。
本研究では,FNOネットワークを実時間3次元都市風況シミュレーションに適用する。
都市域のCFDシミュレーションから,半ラグランジュ的アプローチと分数ステップ法による大規模都市問題モデリングのための都市微気候特性のシミュレートによる訓練・試験データを生成する。
数値実験により,fnoモデルは瞬時空間速度場を正確に再現できることがわかった。
さらに,風向の異なる未確認データに基づくFNOモデルの評価を行い,FNOモデルが風向の異なるデータに対して良好に一般化可能であることを示す。
さらに重要なことに、fnoアプローチはグラフィック処理ユニット上でミリ秒以内の予測を可能にし、3d動的都市気候のリアルタイムシミュレーションを可能にします。
関連論文リスト
- WeatherFormer: Empowering Global Numerical Weather Forecasting with Space-Time Transformer [18.1906457042669]
数値気象予報システム (NWP) は近代社会に多大な影響を与えるインフラである。
従来のNWPは、複雑な偏微分方程式を巨大な計算クラスターで解き、大量の二酸化炭素を放出する。
この研究は、複雑な時間的大気力学をモデル化するための新しいトランスフォーマーベースのNWPフレームワークであるWeatherFormerを提案する。
論文 参考訳（メタデータ） (2024-09-21T07:02:31Z) - 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) - Advances in Land Surface Model-based Forecasting: A comparative study of LSTM, Gradient Boosting, and Feedforward Neural Network Models as prognostic state emulators [4.852378895360775]
地表面プロセスのシミュレーションによる実験研究の高速化における3つの代理モデルの効率性を評価する。
以上の結果から, LSTMネットワークは, 予測期間を経た平均モデル全体の精度は高いが, 慎重に調整した場合は, 大陸の長距離予測に優れることがわかった。
論文 参考訳（メタデータ） (2024-07-23T13:26:05Z) - Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。
最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。
我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
論文 参考訳（メタデータ） (2024-07-18T15:44:23Z) - Unified Data Management and Comprehensive Performance Evaluation for
Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。
都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。
多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
論文 参考訳（メタデータ） (2023-08-24T16:20:00Z) - Spherical Fourier Neural Operators: Learning Stable Dynamics on the
Sphere [53.63505583883769]
球面幾何学の演算子を学習するための球面FNO(SFNO)を紹介する。
SFNOは、気候力学の機械学習に基づくシミュレーションに重要な意味を持つ。
論文 参考訳（メタデータ） (2023-06-06T16:27:17Z) - ClimaX: A foundation model for weather and climate [51.208269971019504]
ClimaXは気象と気候科学のディープラーニングモデルである。
気候データセットの自己教師型学習目標で事前トレーニングすることができる。
気候や気候の様々な問題に対処するために、微調整が可能である。
論文 参考訳（メタデータ） (2023-01-24T23:19:01Z) - FastFlow: AI for Fast Urban Wind Velocity Prediction [0.0]
高忠実度数値シミュレーションにより典型的に行われる都市レイアウトのキャラクタリゼーションにおけるCNNの利用について述べる。
このモデルを,データ駆動型歩行者風速予測のための実用性の最初の実証に応用する。
論文 参考訳（メタデータ） (2022-11-22T06:13:48Z) - Reduced Order Probabilistic Emulation for Physics-Based Thermosphere
Models [0.0]
本研究は,TIE-GCM(Thermosphere Ionosphere Electrodynamics Circulation General Model)のための効率的なサロゲートを作成するために,確率論的機械学習(ML)手法を採用することを目的とする。
利用可能なデータ全体で、TIE-GCM ROPEは従来の線形手法と同様の誤差を示しながら、嵐時モデリングを改善した。
また,TIE-GCM ROPEは,TIE-GCM密度から得られる位置を5kmの偏りで捉えることができることを示す。
論文 参考訳（メタデータ） (2022-11-08T17:36:37Z) - Pedestrian Wind Factor Estimation in Complex Urban Environments [0.0]
都市計画立案者や政策立案者は、より密集した都市環境においてより人口の多い都市のために、住みやすく楽しい都市を作るという課題に直面している。
都市マイクロ気候は、現在と将来における都市空間の質を定義する上で重要な役割を担っているが、初期の都市設計と計画プロセスにおける風力マイクロ気候評価の統合は依然として課題である。
この研究は、複雑な都市環境におけるリアルタイムな歩行者風の快適さ推定のためのデータ駆動ワークフローを開発する。
論文 参考訳（メタデータ） (2021-10-06T01:09:30Z) - Machine learning for rapid discovery of laminar flow channel wall
modifications that enhance heat transfer [56.34005280792013]
任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。
畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
論文 参考訳（メタデータ） (2021-01-19T16:14:02Z)
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。