論文の概要: Multi-decadal Sea Level Prediction using Neural Networks and Spectral
Clustering on Climate Model Large Ensembles and Satellite Altimeter Data
- arxiv url: http://arxiv.org/abs/2310.04540v1
- Date: Fri, 6 Oct 2023 19:06:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-12 17:49:53.112479
- Title: Multi-decadal Sea Level Prediction using Neural Networks and Spectral
Clustering on Climate Model Large Ensembles and Satellite Altimeter Data
- Title（参考訳）: ニューラルネットワークとスペクトルクラスタリングによる気候モデル大集合体と衛星高度データを用いた多次元海水準予測
- Authors: Saumya Sinha, John Fasullo, R. Steven Nerem, Claire Monteleoni
- Abstract要約: 本稿では,この長期海水準予測の挑戦的応用における機械学習(ML)の可能性を示す。
我々は,海面トレンドを予測できる完全連結ニューラルネットワーク(FCNN)を用いた教師あり学習フレームワークを開発した。
また、空間データセットを分割し、各セグメント領域に専用のMLモデルを学習する効果を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Sea surface height observations provided by satellite altimetry since 1993
show a rising rate (3.4 mm/year) for global mean sea level. While on average,
sea level has risen 10 cm over the last 30 years, there is considerable
regional variation in the sea level change. Through this work, we predict sea
level trends 30 years into the future at a 2-degree spatial resolution and
investigate the future patterns of the sea level change. We show the potential
of machine learning (ML) in this challenging application of long-term sea level
forecasting over the global ocean. Our approach incorporates sea level data
from both altimeter observations and climate model simulations. We develop a
supervised learning framework using fully connected neural networks (FCNNs)
that can predict the sea level trend based on climate model projections.
Alongside this, our method provides uncertainty estimates associated with the
ML prediction. We also show the effectiveness of partitioning our spatial
dataset and learning a dedicated ML model for each segmented region. We compare
two partitioning strategies: one achieved using domain knowledge, and the other
employing spectral clustering. Our results demonstrate that segmenting the
spatial dataset with spectral clustering improves the ML predictions.
- Abstract（参考訳）: 1993年以降の衛星高度計による海面高度観測は、地球平均海水準の上昇率(3.4mm/年)を示している。
平均して海面は過去30年間で10cm上昇しているが、海面の変化にはかなりの地域差がある。
本研究では,今後30年間の海面変動を2度の空間分解能で予測し,海面変動の将来パターンについて検討する。
我々は,この長期海水準予測の挑戦的応用における機械学習(ML)の可能性を示す。
我々のアプローチは、高度観測と気候モデルシミュレーションの両方から海面データを取り入れている。
気候モデル予測に基づいて海面トレンドを予測できる完全連結ニューラルネットワーク(FCNN)を用いた教師あり学習フレームワークを開発した。
また,本手法はml予測に付随する不確実性推定を提供する。
また、空間データセットを分割し、各セグメント領域に専用のMLモデルを学習する効果を示す。
1つはドメイン知識を用いて達成したものであり、もう1つはスペクトルクラスタリングを用いたものである。
この結果から,スペクトルクラスタリングによる空間データセットのセグメンテーションがML予測を改善することが示された。
関連論文リスト
- Regional Ocean Forecasting with Hierarchical Graph Neural Networks [1.4146420810689422]
我々は、高解像度の中距離海洋予測用に設計されたニューラルネットワークであるSeaCastを紹介する。
SeaCastはグラフベースのフレームワークを使用して、海洋グリッドの複雑な幾何学を処理し、地域の海洋環境に合わせて外部の強制データを統合する。
コペルニクス海洋局が提供した地中海の運用数値モデルを用いて,高空間分解能実験により本手法の有効性を検証した。
論文 参考訳（メタデータ） (2024-10-15T17:34:50Z) - SEA-ViT: Sea Surface Currents Forecasting Using Vision Transformer and GRU-Based Spatio-Temporal Covariance Modeling [0.0]
本稿では,Vision TransformerとGate Recurrent Unitsを統合した高度なディープラーニングモデルSEA-ViTを紹介する。
SEA-ViTは、30年以上にわたる豊富なデータセットを活用することで、複雑な依存関係を解き放つように設計されている。
論文 参考訳（メタデータ） (2024-09-14T09:23:48Z) - A Computer Vision Approach to Estimate the Localized Sea State [45.498315114762484]
本研究は, 船橋に設置した静止カメラ1台が捉えた運用用封筒内の海像の活用に焦点を当てた。
収集した画像は、深層学習モデルを訓練し、ビューフォートスケールに基づいて海の状態を自動的に認識する。
論文 参考訳（メタデータ） (2024-07-04T09:07:25Z) - OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。
1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
論文 参考訳（メタデータ） (2024-05-12T09:32:40Z) - A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳（メタデータ） (2024-02-06T13:20:56Z) - Sea level Projections with Machine Learning using Altimetry and Climate
Model ensembles [0.6882042556551609]
1993年以降に観測された衛星高度計は、地球平均海水準が前例のない速度で上昇していることを示している(3.4mm/年)
機械学習(ML)を用いて海面変動の将来パターンを解明する。
本研究では、衛星観測と気候モデルシミュレーションの両方を利用して海面上昇予測を生成する機械学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-08-02T19:18:38Z) - Transforming Observations of Ocean Temperature with a Deep Convolutional
Residual Regressive Neural Network [0.0]
海面温度(SST)は、地上の真理、リモートセンシング、ハイブリッドモデル手法を通じて測定できる、必須の気候変動である。
ここでは,20世紀後半から21世紀初頭にかけてのいくつかの技術進歩を応用して,SST監視の進展を祝福する。
本研究では, AMSR-E と MODIS を高分解能に融合させるため, 既存の水循環観測フレームワークである Flux to Flow (F2F) を開発した。
我々のニューラルネットワークアーキテクチャは、深い畳み込み残留回帰ニューラルネットワークに制約されている。
論文 参考訳（メタデータ） (2023-06-16T17:35:11Z) - Data-Driven Short-Term Daily Operational Sea Ice Regional Forecasting [52.77986479871782]
地球温暖化は北極を海洋活動に利用し、信頼性の高い海氷予測の需要を生み出した。
本研究では,海氷予測のためのU-Netモデルの性能を,今後10日間にわたって検証した。
この深層学習モデルは、気象データの追加と複数の地域での訓練により、単純なベースラインをかなりの差で上回り、その品質を向上させることができることを示す。
論文 参考訳（メタデータ） (2022-10-17T09:14:35Z) - Activation Regression for Continuous Domain Generalization with
Applications to Crop Classification [48.795866501365694]
衛星画像の地理的変異は、機械学習モデルが新しい領域に一般化する能力に影響を与える。
中分解能ランドサット8衛星画像の地理的一般化を連続領域適応問題としてモデル化する。
我々は,アメリカ大陸全域に空間分布するデータセットを開発した。
論文 参考訳（メタデータ） (2022-04-14T15:41:39Z) - Predicting Critical Biogeochemistry of the Southern Ocean for Climate
Monitoring [1.8689461238197955]
我々は、南洋のケイ酸塩とリン酸塩の値を、温度、圧力、塩分濃度、酸素、硝酸塩、位置から予測するためにニューラルネットワークを訓練する。
これらのモデルを地球系モデル(ESM)およびBGC-Argoデータに適用し、この海洋観測ネットワークの有用性を拡大する。
論文 参考訳（メタデータ） (2021-10-30T00:13:46Z) - SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to
Generate an Improved Ocean Model [72.3183990520267]
シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。
具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。
提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
論文 参考訳（メタデータ） (2021-06-24T17:29:42Z)
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。