論文の概要: Learning to Generate Lumped Hydrological Models
- arxiv url: http://arxiv.org/abs/2309.09904v1
- Date: Mon, 18 Sep 2023 16:07:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 12:31:58.014208
- Title: Learning to Generate Lumped Hydrological Models
- Title(参考訳): 集中水文モデル生成のための学習
- Authors: Yang Yang and Ting Fong May Chui
- Abstract要約: 塊状水理モデル構造では, キャッチメントの水理関数は数パラメータのみによって特徴づけられる。
本研究は,少数の潜伏変数で十分な特徴付けが可能であることを仮定する。
変数値を指定することにより、実世界のキャッチメントの水文関数に類似した数値関数を生成モデルを用いて生成することができる。
- 参考スコア(独自算出の注目度): 4.368211287521716
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In a lumped hydrological model structure, the hydrological function of a
catchment is characterized by only a few parameters. Given a set of parameter
values, a numerical function useful for hydrological prediction is generated.
Thus, this study assumes that the hydrological function of a catchment can be
sufficiently well characterized by a small number of latent variables. By
specifying the variable values, a numerical function resembling the
hydrological function of a real-world catchment can be generated using a
generative model. In this study, a deep learning method is used to learn both
the generative model and the latent variable values of different catchments
directly from their climate forcing and runoff data, without using catchment
attributes. The generative models can be used similarly to a lumped model
structure, i.e., by estimating the optimal parameter or latent variable values
using a generic model calibration algorithm, an optimal numerical model can be
derived. In this study, generative models using eight latent variables were
learned from data from over 3,000 catchments worldwide, and the learned
generative models were applied to model over 700 different catchments using a
generic calibration algorithm. The quality of the resulting optimal models was
generally comparable to or better than that obtained using 36 different types
of lump model structures or using non-generative deep learning methods. In
summary, this study presents a data-driven approach for representing the
hydrological function of a catchment in low-dimensional space and a method for
reconstructing specific hydrological functions from the representations.
- Abstract(参考訳): 集中した水文モデル構造では、キャッチメントの水文機能はほんの数個のパラメータによって特徴づけられる。
パラメータのセットが与えられると、水文予測に有用な数値関数が生成される。
そこで本研究では, 漁獲量の水理機能は, 少数の潜在変数で十分に特徴付けられると仮定した。
可変値を指定することにより、生成モデルを用いて実世界のキャッチメントの水文関数に似た数値関数を生成することができる。
本研究では, 捕集属性を使わずに, 異なる捕集量の生成モデルと潜時変動値の両方を, 気候の強制・流出データから直接学習する深層学習手法を提案する。
ジェネリックモデルキャリブレーションアルゴリズムを用いて、最適パラメータまたは潜在変数値を推定することにより、集約モデル構造と同様に、最適数値モデルを導出することができる。
本研究では,8つの潜伏変数を用いた生成モデルを世界中の3000以上の捕集データから学習し,700以上の捕集データに対して一般的なキャリブレーションアルゴリズムを用いて学習モデルを適用した。
その結果得られた最適モデルの品質は,36種類の塊型モデル構造を用いたり,非生成的深層学習手法を用いた場合と概ね同等かそれ以上であった。
本研究は,低次元空間におけるキャッチメントの水文関数を表現するためのデータ駆動型アプローチと,その表現から特定の水文関数を再構成する方法を提案する。
関連論文リスト
- Bayesian Learning of Coupled Biogeochemical-Physical Models [28.269731698116257]
海洋生態系の予測モデルは、様々なニーズに使われている。
希少な測定と海洋プロセスの理解が限られているため、かなりの不確実性がある。
候補モデルの空間での処理と新しいモデルの発見を可能にするベイズモデル学習手法を開発した。
論文 参考訳(メタデータ) (2022-11-12T17:49:18Z) - Differentiable, learnable, regionalized process-based models with
physical outputs can approach state-of-the-art hydrologic prediction accuracy [1.181206257787103]
地域化パラメータ化を伴う集中観測変数(ストリームフロー)に対するLSTMの性能レベルに、微分可能で学習可能なプロセスベースモデル(デルタモデルと呼ばれる)がアプローチ可能であることを示す。
我々は、単純な水理モデルHBVをバックボーンとして使用し、組み込みニューラルネットワークを使用します。
論文 参考訳(メタデータ) (2022-03-28T15:06:53Z) - Bayesian Active Learning for Discrete Latent Variable Models [19.852463786440122]
アクティブラーニングは、モデルのパラメータに適合するために必要なデータ量を削減しようとする。
潜在変数モデルは神経科学、心理学、その他の様々な工学、科学分野において重要な役割を果たす。
論文 参考訳(メタデータ) (2022-02-27T19:07:12Z) - Prediction of liquid fuel properties using machine learning models with
Gaussian processes and probabilistic conditional generative learning [56.67751936864119]
本研究の目的は、代替燃料の物理的特性を予測するためのクロージャ方程式として機能する、安価で計算可能な機械学習モデルを構築することである。
これらのモデルは、MDシミュレーションのデータベースや、データ融合-忠実性アプローチによる実験的な測定を用いて訓練することができる。
その結果,MLモデルでは,広範囲の圧力および温度条件の燃料特性を正確に予測できることがわかった。
論文 参考訳(メタデータ) (2021-10-18T14:43:50Z) - Artificial Intelligence Hybrid Deep Learning Model for Groundwater Level
Prediction Using MLP-ADAM [0.0]
本稿では,多層パーセプトロンを用いて地下水位をシミュレーションする。
この問題には適応モーメント推定アルゴリズムも用いられる。
その結果,ディープラーニングアルゴリズムは高精度な予測が可能であることが示唆された。
論文 参考訳(メタデータ) (2021-07-29T10:11:45Z) - Model-agnostic multi-objective approach for the evolutionary discovery
of mathematical models [55.41644538483948]
現代のデータ科学では、どの部分がより良い結果を得るために置き換えられるかというモデルの性質を理解することがより興味深い。
合成データ駆動型モデル学習において,多目的進化最適化を用いてアルゴリズムの所望特性を求める。
論文 参考訳(メタデータ) (2021-07-07T11:17:09Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳(メタデータ) (2021-02-12T12:23:13Z) - Distilling Interpretable Models into Human-Readable Code [71.11328360614479]
人間可読性は機械学習モデル解釈可能性にとって重要で望ましい標準である。
従来の方法を用いて解釈可能なモデルを訓練し,それを簡潔で可読なコードに抽出する。
本稿では,幅広いユースケースで効率的に,確実に高品質な結果を生成する分別線形曲線フィッティングアルゴリズムについて述べる。
論文 参考訳(メタデータ) (2021-01-21T01:46:36Z) - Goal-directed Generation of Discrete Structures with Conditional
Generative Models [85.51463588099556]
本稿では,強化学習目標を直接最適化し,期待される報酬を最大化するための新しいアプローチを提案する。
提案手法は、ユーザ定義プロパティを持つ分子の生成と、所定の目標値を評価する短いピソン表現の同定という2つのタスクで検証する。
論文 参考訳(メタデータ) (2020-10-05T20:03:13Z) - Variational Mixture of Normalizing Flows [0.0]
生成逆数ネットワークオートサイトGAN、変分オートエンコーダオートサイトベイペーパー、およびそれらの変種などの深い生成モデルは、複雑なデータ分布をモデル化するタスクに広く採用されている。
正規化フローはこの制限を克服し、確率密度関数にそのような公式の変更を利用する。
本研究は,混合モデルのコンポーネントとして正規化フローを用い,そのようなモデルのエンドツーエンドトレーニング手順を考案することによって,この問題を克服する。
論文 参考訳(メタデータ) (2020-09-01T17:20:08Z) - The data-driven physical-based equations discovery using evolutionary
approach [77.34726150561087]
与えられた観測データから数学的方程式を発見するアルゴリズムについて述べる。
このアルゴリズムは遺伝的プログラミングとスパース回帰を組み合わせたものである。
解析方程式の発見や偏微分方程式(PDE)の発見にも用いられる。
論文 参考訳(メタデータ) (2020-04-03T17:21:57Z)
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。