論文の概要: Analysis of tidal flows through the Strait of Gibraltar using Dynamic
Mode Decomposition
- arxiv url: http://arxiv.org/abs/2311.01377v1
- Date: Thu, 2 Nov 2023 16:34:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-03 12:49:35.287724
- Title: Analysis of tidal flows through the Strait of Gibraltar using Dynamic
Mode Decomposition
- Title(参考訳): 動的モード分解法によるジブラルタル海峡内潮流の解析
- Authors: Sathsara Dias, Sudam Surasinghe, Kanaththa Priyankara, Marko
Budi\v{s}i\'c, Larry Pratt, Jos\'e C. Sanchez-Garrido, Erik M.Bollt
- Abstract要約: ジブラルタル海峡(英語: Strait of Gibraltar)は、海洋の複雑な亜海流の特徴を特徴とする地域である。
シミュレーションスナップショットをクープマンモードに分解するために動的モード分解(DMD)を用いる。
DMD解析は、ジブラルタル海峡の流動パターン、内部波の形成、および力学を包括的に理解する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Strait of Gibraltar is a region characterized by intricate oceanic
sub-mesoscale features, influenced by topography, tidal forces, instabilities,
and nonlinear hydraulic processes, all governed by the nonlinear equations of
fluid motion. In this study, we aim to uncover the underlying physics of these
phenomena within 3D MIT general circulation model simulations, including waves,
eddies, and gyres. To achieve this, we employ Dynamic Mode Decomposition (DMD)
to break down simulation snapshots into Koopman modes, with distinct
exponential growth/decay rates and oscillation frequencies. Our objectives
encompass evaluating DMD's efficacy in capturing known features, unveiling new
elements, ranking modes, and exploring order reduction. We also introduce
modifications to enhance DMD's robustness, numerical accuracy, and robustness
of eigenvalues. DMD analysis yields a comprehensive understanding of flow
patterns, internal wave formation, and the dynamics of the Strait of Gibraltar,
its meandering behaviors, and the formation of a secondary gyre, notably the
Western Alboran Gyre, as well as the propagation of Kelvin and coastal-trapped
waves along the African coast. In doing so, it significantly advances our
comprehension of intricate oceanographic phenomena and underscores the immense
utility of DMD as an analytical tool for such complex datasets, suggesting that
DMD could serve as a valuable addition to the toolkit of oceanographers.
- Abstract(参考訳): ジブラルタル海峡(英: Strait of Gibraltar)は、地形、潮流力、不安定性、非線形水理過程の影響を受け、複雑な海洋のサブメソスケールの特徴を特徴とする地域である。
本研究では,これらの現象の基礎となる物理を,波動,渦,ジャイアを含む3次元MIT一般循環モデルシミュレーションで解明することを目的とする。
これを実現するために、動的モード分解(DMD)を用いてシミュレーションスナップショットをクープマンモードに分解する。
本研究の目的は,dmdの有効性を評価し,既知の特徴の把握,新しい要素の公開,ランキングモードの公開,注文削減の探求である。
また, DMDの頑健性, 数値精度, 固有値の頑健性を向上させる改良も導入した。
DMD解析は、ジブラルタル海峡の流動パターン、内部波の形成、ダイナミックス、その蛇行挙動、特に西アルボラン・ガイア(英語版)の形成、およびアフリカ沿岸沿岸におけるケルビンおよび沿岸波の伝播を包括的に理解する。
そうすることで、複雑な海洋現象の理解を大幅に向上させ、複雑なデータセットの分析ツールとしてのdmdの膨大な有用性を強調し、dmdが海洋学者のツールキットに価値ある付加物となることを示唆する。
関連論文リスト
- EuLagNet: Eulerian Fluid Prediction with Lagrangian Dynamics [71.21948217845167]
本稿では, タングルサム流体力学に対処する新しいラグランジアン誘導パラダイムを提案する。
ユーレリア観測に基づいて未来を予測するのではなく、ユーレリア・ラグランジアンデュアルリカレントネットワーク(EuLagNet)を提案する。
EuLagNetは、適応サンプリングされたキー粒子の複数のスケールでの運動を追跡することで、マルチスケールの流体力学をキャプチャする。
論文 参考訳(メタデータ) (2024-02-04T09:45:35Z) - HelmFluid: Learning Helmholtz Dynamics for Interpretable Fluid
Prediction [71.21948217845167]
HelmFluidは流体の正確かつ解釈可能な予測器である。
ヘルムホルツの定理に触発され、ヘルムホルツの力学を学ぶためにヘルム力学ブロックを設計する。
HelmDynamicsブロックをマルチスケールのマルチヘッド積分アーキテクチャに埋め込むことで、HelmFluidは学習したHelmholtzダイナミクスを複数の空間スケールで時間次元に沿って統合することができる。
論文 参考訳(メタデータ) (2023-10-16T16:38:32Z) - Learning-based estimation of in-situ wind speed from underwater
acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。
我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文 参考訳(メタデータ) (2022-08-18T15:27:40Z) - Modeling Oceanic Variables with Dynamic Graph Neural Networks [0.09830751917335563]
ブラジルのサントス・サンテ・ビセンテ・ベルティオガ地域における環境変数を予測するためのデータ駆動手法について述べる。
我々のモデルは、最先端のシーケンスモデルとリレーショナルモデルとを結合することにより、時間的および空間的帰納バイアスの両方を利用する。
実験の結果、柔軟性とドメイン知識の依存性のほとんどを維持しながら、私たちのモデルによってより良い結果が得られます。
論文 参考訳(メタデータ) (2022-06-25T22:43:02Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳(メタデータ) (2022-02-18T22:41:51Z) - Generative Modeling of Turbulence [0.7646713951724012]
GAN(Generative Adversarial Network)を用いた乱流の合成モデリングのための数学的に確立されたアプローチを提案する。
GANは、適度なトレーニング日量に基づいて、技術的に困難な流れ問題の乱流をシミュレーションするのに効率的である。
論文 参考訳(メタデータ) (2021-12-05T11:39:14Z) - Dynamic Bottleneck for Robust Self-Supervised Exploration [84.78836146128236]
本稿では,インフォメーション・ボトルネックの原理に基づく動的関連表現を実現する動的ボトルネック(DB)モデルを提案する。
さらに,DBモデルに基づくDB-bonusを提案する。
実験の結果,DBボーナスによる探索は,ノイズの多い環境での最先端の探査方法よりも優れていた。
論文 参考訳(メタデータ) (2021-10-20T19:17:05Z) - Decadal Forecasts with ResDMD: a Residual DMD Neural Network [0.0]
運用予測センターは、より気候に耐性のある社会のための長期的な意思決定を支援するために、デカダル(1-10年)予測システムに投資している。
以前は動的モード分解 (Dynamic Mode Decomposition, DMD) アルゴリズムが用いられていた。
本稿では,非線形項をニューラルネットワークとして明示的に表現するDMDの拡張について検討する。
論文 参考訳(メタデータ) (2021-06-21T13:49:43Z) - Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening
Simulations [58.720142291102135]
動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。
本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
論文 参考訳(メタデータ) (2021-04-28T22:14:25Z) - Neural Ordinary Differential Equations for Data-Driven Reduced Order
Modeling of Environmental Hydrodynamics [4.547988283172179]
流体シミュレーションにおける神経常微分方程式の利用について検討する。
テスト問題としては,シリンダー周辺の非圧縮性流れや河川・河口系における浅水流体力学の現実的応用などが挙げられる。
本研究では,ニューラル ODE が潜在空間力学の安定かつ正確な進化のためのエレガントな枠組みを提供することを示唆する。
論文 参考訳(メタデータ) (2021-04-22T19:20:47Z)
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。