論文の概要: Implementing a new fully stepwise decomposition-based sampling technique
for the hybrid water level forecasting model in real-world application
- arxiv url: http://arxiv.org/abs/2309.10658v1
- Date: Tue, 19 Sep 2023 14:40:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-20 14:03:33.915286
- Title: Implementing a new fully stepwise decomposition-based sampling technique
for the hybrid water level forecasting model in real-world application
- Title（参考訳）: 実世界におけるハイブリッド水位予測モデルのための完全段階分解に基づく新しいサンプリング手法の実装
- Authors: Ziqian Zhang, Nana Bao, Xingting Yan, Aokai Zhu, Chenyang Li and
Mingyu Liu
- Abstract要約: 時変非定常信号は、実世界の水文時系列予測において適切に前処理される必要がある。
分解法は優れた候補であり、そのような前処理問題に広く用いられている。
本研究は, 完全段階分解法 (FSDB) サンプリング手法を, 分解に基づく予測モデルのためによく設計したものである。
- 参考スコア（独自算出の注目度）: 13.763378354141118
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Various time variant non-stationary signals need to be pre-processed properly
in hydrological time series forecasting in real world, for example, predictions
of water level. Decomposition method is a good candidate and widely used in
such a pre-processing problem. However, decomposition methods with an
inappropriate sampling technique may introduce future data which is not
available in practical applications, and result in incorrect
decomposition-based forecasting models. In this work, a novel Fully Stepwise
Decomposition-Based (FSDB) sampling technique is well designed for the
decomposition-based forecasting model, strictly avoiding introducing future
information. This sampling technique with decomposition methods, such as
Variational Mode Decomposition (VMD) and Singular spectrum analysis (SSA), is
applied to predict water level time series in three different stations of
Guoyang and Chaohu basins in China. Results of VMD-based hybrid model using
FSDB sampling technique show that Nash-Sutcliffe Efficiency (NSE) coefficient
is increased by 6.4%, 28.8% and 7.0% in three stations respectively, compared
with those obtained from the currently most advanced sampling technique. In the
meantime, for series of SSA-based experiments, NSE is increased by 3.2%, 3.1%
and 1.1% respectively. We conclude that the newly developed FSDB sampling
technique can be used to enhance the performance of decomposition-based hybrid
model in water level time series forecasting in real world.
- Abstract（参考訳）: 様々な時変非定常信号は、例えば水位予測のような実世界の水文時系列予測において適切に処理される必要がある。
分解法は良い候補であり、このような前処理問題で広く用いられる。
しかし、不適切なサンプリング手法による分解手法は、実用的応用では利用できない将来データを導入し、誤分解に基づく予測モデルをもたらす可能性がある。
本研究は, 分解に基づく予測モデルのために, 新たな完全ステップワイズ分解ベース(fsdb)サンプリング手法を考案し, 今後の情報の導入を厳密に回避した。
変分モード分解 (vmd) や特異スペクトル解析 (ssa) などの分解手法を用いたサンプリング手法を用いて, 中国の広陽盆地と長州盆地の3つの異なる地点における水位時系列の予測を行った。
FSDBサンプリングを用いたVMDベースハイブリッドモデルの結果,現在最も進んだサンプリング手法と比較して,ナッシュ・サトクリフ効率(NSE)係数は3つの局でそれぞれ6.4%,28.8%,7.0%増加した。
一方、一連のSSAベースの実験では、NSEはそれぞれ3.2%、3.1%、そして1.1%に増加する。
本研究では, 実世界の水位時系列予測における分解型ハイブリッドモデルの性能を向上させるために, 新たに開発したfsdbサンプリング手法を提案する。
関連論文リスト
- On conditional diffusion models for PDE simulations [53.01911265639582]
スパース観測の予測と同化のためのスコアベース拡散モデルについて検討した。
本稿では,予測性能を大幅に向上させる自動回帰サンプリング手法を提案する。
また,条件付きスコアベースモデルに対する新たなトレーニング戦略を提案する。
論文 参考訳（メタデータ） (2024-10-21T18:31:04Z) - Improving ensemble extreme precipitation forecasts using generative artificial intelligence [0.0]
大陸間における極端降水現象の確率予測を改善するために, アンサンブル後処理法を開発した。
この方法は、バイアス補正のための3次元視覚変換器(ViT)と、生成人工知能(AI)法である潜在拡散モデル(LDM)とを6時間後の降水アンサンブル予測に組み合わせる。
論文 参考訳（メタデータ） (2024-07-05T22:30:33Z) - EM Distillation for One-step Diffusion Models [65.57766773137068]
最小品質の損失を最小限に抑えた1ステップ生成モデルに拡散モデルを蒸留する最大可能性に基づく手法を提案する。
本研究では, 蒸留プロセスの安定化を図るため, 再パラメータ化サンプリング手法とノイズキャンセリング手法を開発した。
論文 参考訳（メタデータ） (2024-05-27T05:55:22Z) - SA-Solver: Stochastic Adams Solver for Fast Sampling of Diffusion Models [66.67616086310662]
拡散確率モデル(DPM)は生成タスクでかなりの成功を収めた。
DPM からのサンプリングは、時間を要する拡散 SDE や ODE の解法と等価であるため、改良された微分方程式解法に基づく多数の高速サンプリング手法が提案されている。
拡散SDEを解くための効率の良いAdams法であるSA-of-rを提案する。
論文 参考訳（メタデータ） (2023-09-10T12:44:54Z) - DF2: Distribution-Free Decision-Focused Learning [53.2476224456902]
決定中心学習(DFL)は近年,予測最適化問題に対する強力なアプローチとして出現している。
既存のエンドツーエンドDFL法は、モデル誤差、サンプル平均近似誤差、予測対象の分布に基づくパラメータ化の3つの重大なボトルネックによって妨げられている。
DF2は,これら3つのボトルネックに明示的に対処するために設計された,初となるテキストフリーな意思決定型学習手法である。
論文 参考訳（メタデータ） (2023-08-11T00:44:46Z) - Balanced Training of Energy-Based Models with Adaptive Flow Sampling [13.951904929884618]
エネルギーベースモデル (EBMs) は、非正規化ログ密度を直接パラメータ化する汎用密度推定モデルである。
我々は、異なる種類の生成モデル、正規化フロー(NF)を用いたESMのための新しい最大可能性トレーニングアルゴリズムを提案する。
本手法はトレーニング中にNFをEMMに適合させ,NF支援サンプリング方式によりESMの正確な勾配が常に得られるようにする。
論文 参考訳（メタデータ） (2023-06-01T13:58:06Z) - A generic diffusion-based approach for 3D human pose prediction in the
wild [68.00961210467479]
3D人間のポーズ予測、すなわち、過去の観察されたポーズのシーケンスが与えられた後の人間の3Dポーズのシーケンスを予測することは、困難な時間課題である。
本稿では,不完全な要素(予測や観測に関係しない)をノイズとして扱える統一的な定式化法を提案し,それらを認知し,妥当なポーズを予測する条件拡散モデルを提案する。
本研究は,4つの標準データセットについて検討し,現状よりも大幅に改善された。
論文 参考訳（メタデータ） (2022-10-11T17:59:54Z) - Rainfall-runoff prediction using a Gustafson-Kessel clustering based
Takagi-Sugeno Fuzzy model [0.0]
降雨流出モデルは、物理的アプローチまたはシステムベースのアプローチを用いて表面流出を予測する。
本稿では,Gustafson-Kesselクラスタリングに基づくTS Fuzzyモデルを用いた降雨流出モデルを提案する。
論文 参考訳（メタデータ） (2021-08-22T10:02:51Z) - Deep-learning-based coupled flow-geomechanics surrogate model for CO$_2$
sequestration [4.635171370680939]
3次元リカレントr-u-netモデルは、深い畳み込みとリカレントニューラルネットワークを組み合わせて、飽和、圧力、表面変位場の空間分布と時間変化を捉える。
サーロゲートモデルは、貯留層内の3D CO2飽和と圧力場、および地球の表面の2D変位マップを予測するために訓練されています。
論文 参考訳（メタデータ） (2021-05-04T07:34:15Z) - Learning Energy-Based Models by Diffusion Recovery Likelihood [61.069760183331745]
本稿では,エネルギーベースモデルから気軽に学習・サンプルできる拡散回復可能性法を提案する。
学習後、ガウスの白色雑音分布から初期化するサンプリングプロセスにより合成画像を生成することができる。
非条件 CIFAR-10 では,本手法は FID 9.58 と開始スコア 8.30 を達成する。
論文 参考訳（メタデータ） (2020-12-15T07:09:02Z) - Combining Parametric Land Surface Models with Machine Learning [0.8057006406834467]
いくつかのAmeriFluxサイトで、ハイブリッド機械学習とプロセスベースモデリングのアプローチを提案し、評価した。
ハイブリッドモデルを用いて地球規模の陸地モデルを構築し, 現状を著しく上回る可能性を秘めている。
論文 参考訳（メタデータ） (2020-02-14T17:50:33Z)
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。