論文の概要: ProWis: A Visual Approach for Building, Managing, and Analyzing Weather
Simulation Ensembles at Runtime
- arxiv url: http://arxiv.org/abs/2308.05019v1
- Date: Wed, 9 Aug 2023 15:30:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-10 13:15:36.702085
- Title: ProWis: A Visual Approach for Building, Managing, and Analyzing Weather
Simulation Ensembles at Runtime
- Title（参考訳）: ProWis: 実行時の気象シミュレーションアンサンブルの構築、管理、分析のためのビジュアルアプローチ
- Authors: Carolina Veiga Ferreira de Souza, Suzanna Maria Bonnet, Daniel de
Oliveira, Marcio Cataldi, Fabio Miranda, Marcos Lage
- Abstract要約: 本稿では,気象専門家が実行時にシミュレーションアンサンブルを構築し,管理し,分析するのに役立つ対話型システムProWisを提案する。
本システムは,複数の大気変数と気象シナリオの探索を可能にするために,ループ内の人間的アプローチに従っている。
ProWisは気象専門家との密接なコラボレーションによって構築され、ブラジルの降雨事件の2つのケーススタディを提示し、その効果を実証した。
- 参考スコア（独自算出の注目度）: 2.719803954443233
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Weather forecasting is essential for decision-making and is usually performed
using numerical modeling. Numerical weather models, in turn, are complex tools
that require specialized training and laborious setup and are challenging even
for weather experts. Moreover, weather simulations are data-intensive
computations and may take hours to days to complete. When the simulation is
finished, the experts face challenges analyzing its outputs, a large mass of
spatiotemporal and multivariate data. From the simulation setup to the analysis
of results, working with weather simulations involves several manual and
error-prone steps. The complexity of the problem increases exponentially when
the experts must deal with ensembles of simulations, a frequent task in their
daily duties. To tackle these challenges, we propose ProWis: an interactive and
provenance-oriented system to help weather experts build, manage, and analyze
simulation ensembles at runtime. Our system follows a human-in-the-loop
approach to enable the exploration of multiple atmospheric variables and
weather scenarios. ProWis was built in close collaboration with weather
experts, and we demonstrate its effectiveness by presenting two case studies of
rainfall events in Brazil.
- Abstract（参考訳）: 天気予報は意思決定に不可欠であり、通常数値モデルを用いて行われる。
数値気象モデルは、専門的な訓練と精巧なセットアップを必要とする複雑なツールであり、気象専門家にとっても難しい。
さらに、気象シミュレーションはデータ集約的な計算であり、完了するまで数時間から数日かかる可能性がある。
シミュレーションが完了すると、専門家は時空間および多変量の大量のデータを出力として分析する課題に直面します。
シミュレーション設定から結果の分析まで、気象シミュレーションはいくつかの手動およびエラーを起こしやすいステップを含む。
専門家がシミュレーションのアンサンブルを扱わなければならないとき、問題の複雑さは指数関数的に増加する。
気象専門家が実行時にシミュレーションアンサンブルを構築し、管理し、分析するのに役立つインタラクティブでプロヴァンス指向のシステムであるprowisを提案する。
本システムは,複数の大気変数と気象シナリオの探索を可能にするために,ループ内の人間的アプローチに従っている。
prowisは気象専門家との密接なコラボレーションによって構築され,ブラジルにおける降雨現象の2つのケーススタディを提示することにより,その効果を実証する。
関連論文リスト
- WeatherGFM: Learning A Weather Generalist Foundation Model via In-context Learning [69.82211470647349]
第1次一般気象基礎モデル(WeatherGFM)を紹介する。
気象理解タスクの幅広い範囲を統一的な方法で解決する。
我々のモデルは、天気予報、超解像、天気画像翻訳、後処理など、最大10の気象理解タスクを効果的に処理できる。
論文 参考訳（メタデータ） (2024-11-08T09:14:19Z) - WeatherQA: Can Multimodal Language Models Reason about Severe Weather? [45.43764278625153]
干し草、竜巻、雷雨などの激しい対流的な気象イベントは、しばしば急速に起こるが、大きな被害を招き、毎年何十億ドルもの費用がかかる。
このことは、気象学者や住民のリスクの高い地域での適切な準備のために、前もって厳しい天候の脅威を予知することの重要性を強調している。
我々は、気象パラメータの複雑な組み合わせを推論し、現実のシナリオで厳しい天候を予測するために、機械用に設計された最初のマルチモーダルデータセットであるWeatherQAを紹介する。
論文 参考訳（メタデータ） (2024-06-17T05:23:18Z) - Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。
我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。
この手法を現実のシナリオに適用するのは,私たちが初めてです。
論文 参考訳（メタデータ） (2023-12-18T09:05:28Z) - A Unified Simulation Framework for Visual and Behavioral Fidelity in
Crowd Analysis [6.460475042590685]
We present a human crowd simulator, called UniCrowd, and its associated validation pipeline。
本稿では,コンピュータビジョンタスク,特に検出とセグメンテーションに適したアノテートデータを生成する方法と,クラウドカウント,人間のポーズ推定,軌道解析と予測,異常検出などの関連アプリケーションについて述べる。
論文 参考訳（メタデータ） (2023-12-05T09:43:27Z) - Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous
Driving Research [76.93956925360638]
Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。
TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。
我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
論文 参考訳（メタデータ） (2023-10-12T20:49:15Z) - Spatio-Temporal Surrogates for Interaction of a Jet with High
Explosives: Part I -- Analysis with a Small Sample Size [0.0]
高い爆発物と相互作用するジェットの2次元問題を用いて、高品質なサロゲートをどうやって構築できるかを理解する。
それぞれのシミュレーションから得られるベクトル値出力は200万以上の空間的位置で利用可能である。
我々は、これらの非常に大きなデータセットを分析し、分析に使用されるアルゴリズムのパラメータを設定し、時間的・時間的サロゲートの精度を向上させるために簡単な方法を用いる方法を示す。
論文 参考訳（メタデータ） (2023-07-03T23:10:23Z) - Towards predicting Pedestrian Evacuation Time and Density from
Floorplans using a Vision Transformer [0.0]
本研究では,視覚変換器をベースとした深層学習手法を提案する。
具体的には、公開データセットの可用性が限られているため、従来のシミュレータを含むパラメトリックデータ生成パイプラインを実装している。
これにより、アーキテクチャのトレーニングに使用する大規模な合成データセットを構築することができます。
論文 参考訳（メタデータ） (2023-06-27T09:15:52Z) - 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) - 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。