論文の概要: Dynamical Tests of a Deep-Learning Weather Prediction Model
- arxiv url: http://arxiv.org/abs/2309.10867v1
- Date: Tue, 19 Sep 2023 18:26:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-21 18:02:38.933612
- Title: Dynamical Tests of a Deep-Learning Weather Prediction Model
- Title(参考訳): 深層学習天気予報モデルの動的実験
- Authors: Gregory J. Hakim and Sanjit Masanam
- Abstract要約: ディープラーニングの天気予報モデルは、運用センターで実行される物理ベースのモデルに匹敵する予測を生成することが示されている。
これらのモデルが大気力学を符号化したのか、あるいは最小の予測誤差を生成する単純なパターンマッチングなのかは不明だ。
ここでは、モデルトレーニングデータに似ていない4つの古典力学実験の集合に、そのようなモデルPangu-weatherを適用する。
本モデルは,すべての実験において現実的な物理を符号化し,高額な物理モデルを使用する前に,アイデアを迅速にテストするためのツールとして使用できることを示唆する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Global deep-learning weather prediction models have recently been shown to
produce forecasts that rival those from physics-based models run at operational
centers. It is unclear whether these models have encoded atmospheric dynamics,
or simply pattern matching that produces the smallest forecast error. Answering
this question is crucial to establishing the utility of these models as tools
for basic science. Here we subject one such model, Pangu-weather, to a set of
four classical dynamical experiments that do not resemble the model training
data. Localized perturbations to the model output and the initial conditions
are added to steady time-averaged conditions, to assess the propagation speed
and structural evolution of signals away from the local source. Perturbing the
model physics by adding a steady tropical heat source results in a classical
Matsuno--Gill response near the heating, and planetary waves that radiate into
the extratropics. A localized disturbance on the winter-averaged North Pacific
jet stream produces realistic extratropical cyclones and fronts, including the
spontaneous emergence of polar lows. Perturbing the 500hPa height field alone
yields adjustment from a state of rest to one of wind--pressure balance over ~6
hours. Localized subtropical low pressure systems produce Atlantic hurricanes,
provided the initial amplitude exceeds about 5 hPa, and setting the initial
humidity to zero eliminates hurricane development. We conclude that the model
encodes realistic physics in all experiments, and suggest it can be used as a
tool for rapidly testing ideas before using expensive physics-based models.
- Abstract(参考訳): 世界のディープラーニング天気予報モデルは、最近、運用センターで実行される物理モデルと競合する予測を生成することが示されている。
これらのモデルが大気力学をエンコードしているか、単に予測誤差が最小になるパターンマッチングなのかは不明である。
この質問に答えることは、基礎科学のツールとしてこれらのモデルの有用性を確立するのに不可欠である。
ここでは、モデルトレーニングデータに似ていない4つの古典力学実験の集合に、そのようなモデルPangu-weatherを適用する。
モデル出力と初期条件に対する局所的摂動を定常時間平均条件に付加し、局所的源から離れた信号の伝播速度と構造進化を評価する。
定常的な熱帯熱源を加えることでモデル物理学を摂動させると、暖房付近の古典的な松野ギル応答と、外熱帯に放射される惑星波が生じる。
冬平均の北太平洋ジェット流の局所的な乱れは、極低地の自発的な出現を含む、現実的な外向性サイクロンと前線を生み出す。
500hPa高原のみの摂動は、休息状態から風圧バランスの1つに約6時間にわたって調整される。
局所的な亜熱帯低気圧システムは大西洋のハリケーンを発生させ、初期振幅が約5 hpaを超え、初期湿度をゼロに設定することでハリケーンの開発をなくす。
このモデルは全ての実験で現実的な物理学をエンコードし、高価な物理モデルを使う前にアイデアを迅速にテストするためのツールとして使用できることを示唆する。
関連論文リスト
- Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
気象予報に拡散モデル(DM)を適用した新しい手法を提案する。
提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。
我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
論文 参考訳(メタデータ) (2024-02-06T21:28:42Z) - Efficient Subseasonal Weather Forecast using Teleconnection-informed
Transformers [29.33938664834226]
季節的な予測は農業、水資源管理、災害の早期警戒に重要である。
機械学習の最近の進歩は、数値モデルに対する競争力のある予測能力を達成することで天気予報に革命をもたらした。
しかし、そのような基礎モデルのトレーニングには何千日ものGPU日が必要であるため、かなりの炭素排出量が発生する。
論文 参考訳(メタデータ) (2024-01-31T14:27:35Z) - FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather
Forecasting [56.73502043159699]
この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。
低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。
2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
論文 参考訳(メタデータ) (2024-01-28T13:23:25Z) - FengWu-4DVar: Coupling the Data-driven Weather Forecasting Model with 4D
Variational Assimilation [71.21242137496031]
我々は,AIを用いた循環型天気予報システムFengWu-4DVarを開発した。
FengWu-4DVarは観測データをデータ駆動の天気予報モデルに組み込むことができる。
シミュレーションされた観測データセットの実験は、FengWu-4DVarが合理的な解析場を生成することができることを示した。
論文 参考訳(メタデータ) (2023-12-16T02:07:56Z) - Residual Diffusion Modeling for Km-scale Atmospheric Downscaling [51.061954281398116]
台湾上空2kmの高解像度気象モデルを用いて,コスト効率の低いダウンスケーリングモデルを訓練した。
textitCorrDiffは、RMSEとCRPSを巧みに表現し、極端な場合でもスペクトルと分布を忠実に回復する。
グローバルな予測のスケールダウンは、これらのメリットの多くを成功裏に維持し、マシンラーニングの天気予報のエンドツーエンドなグローバルなスケールの可能性を先導する。
論文 参考訳(メタデータ) (2023-09-24T19:57:22Z) - DiffESM: Conditional Emulation of Earth System Models with Diffusion
Models [2.1989764549743476]
地球系モデル (ESMs) の重要な応用は、熱波や乾燥した呪文のような極端な気象現象を研究することである。
拡散モデルにより、以前にもみられなかった気候シナリオ下でのESMの傾向を効果的にエミュレートできることを示す。
論文 参考訳(メタデータ) (2023-04-23T17:12:33Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳(メタデータ) (2023-02-20T16:08:54Z) - 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) - Skillful Twelve Hour Precipitation Forecasts using Large Context Neural
Networks [8.086653045816151]
現在の運用予測モデルは物理に基づいており、大気をシミュレートするためにスーパーコンピュータを使用している。
ニューラルネットワークに基づく新しい気象モデルのクラスは、天気予報のパラダイムシフトを表している。
最大12時間前に降水予測が可能なニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2021-11-14T22:53:04Z) - Deep Learning based Extreme Heatwave Forecast [8.975667614727648]
最先端のプラシム・プラネット・シミュレーターの気候モデルデータを用いて,大クラスのアンダーサンプリングと転送学習を含む畳み込みニューラルネットワークに基づく深層学習フレームワークが,極端な熱波の発生を予測する上で有意な性能を発揮することを示した。
論文 参考訳(メタデータ) (2021-03-17T16:10:06Z) - Smart Weather Forecasting Using Machine Learning:A Case Study in
Tennessee [2.9477900773805032]
本稿では,複数の気象観測所の過去のデータを利用して,シンプルな機械学習モデルを訓練する天気予報手法を提案する。
モデルの精度は、現在の最先端技術と併用するのに十分である。
論文 参考訳(メタデータ) (2020-08-25T02:41:32Z)
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。