論文の概要: Machine Learning Parameterization of the Multi-scale Kain-Fritsch (MSKF) Convection Scheme

• arxiv url: http://arxiv.org/abs/2311.03652v1
• Date: Tue, 7 Nov 2023 01:47:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-08 17:15:50.036954
• Title: Machine Learning Parameterization of the Multi-scale Kain-Fritsch (MSKF) Convection Scheme
• Title（参考訳）: マルチスケールKain-Fritsch(MSKF)対流スキームの機械学習パラメータ化
• Authors: Xiaohui Zhong and Xing Yu and Hao Li
• Abstract要約: 温暖帯の豪雨はしばしば南中国沿岸で起こる。 大気境界層の乱流渦は、灰色ゾーンで部分的に解かれ、ある程度パラメータ化されるのみである。 近年,さまざまな分野の大気科学への機械学習(ML)モデルの適用が増加している。
• 参考スコア（独自算出の注目度）: 6.912451798457824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Warm-sector heavy rainfall often occurs along the coast of South China, and it is usually localized and long-lasting, making it challenging to predict. High-resolution numerical weather prediction (NWP) models are increasingly used to better resolve topographic features and forecast such high-impact weather events. However, when the grid spacing becomes comparable to the length scales of convection, known as the gray zone, the turbulent eddies in the atmospheric boundary layer are only partially resolved and parameterized to some extent. Whether using a convection parameterization (CP) scheme in the gray zone remains controversial. Scale-aware CP schemes are developed to enhance the representation of convective transport within the gray zone. The multi-scale Kain-Fritsch (MSKF) scheme includes modifications that allow for its effective implementation at a grid resolution as high as 2 km. In recent years, there has been an increasing application of machine learning (ML) models to various domains of atmospheric sciences, including the replacement of physical parameterizations with ML models. This work proposes a multi-output bidirectional long short-term memory (Bi-LSTM) model as a replace the scale-aware MSKF CP scheme. The Weather Research and Forecast (WRF) model is used to generate training and testing data over South China at a horizontal resolution of 5 km. Furthermore, the WRF model is coupled with the ML based CP scheme and compared with WRF simulations with original MSKF scheme. The results demonstrate that the Bi-LSTM model can achieve high accuracy, indicating the potential use of ML models to substitute the MSKF scheme in the gray zone.
• Abstract（参考訳）: 温暖帯の豪雨はしばしば南シナ沿岸で発生し、普通は局地化され、長く続くため、予測は困難である。 高分解能数値気象予測(nwp)モデルは、地形的特徴の解決とそのような高影響気象事象の予測にますます使われている。 しかし、格子間隔がグレイゾーンとして知られる対流の長さスケールに匹敵するようになると、大気境界層の乱流渦は部分的に解決され、ある程度パラメータ化される。 グレイゾーンにおける対流パラメタライゼーション(CP)スキームの使用は議論の余地がある。 グレーゾーン内の対流輸送の表現を高めるため,スケール対応CPスキームを開発した。 マルチスケールのKain-Fritsch (MSKF) スキームには、グリッド解像度で最大2kmの効率的な実装を可能にする修正が含まれている。 近年,物理パラメータ化をMLモデルに置き換えるなど,さまざまな分野の大気科学への機械学習(ML)モデルの適用が増加している。 本研究は、スケール認識型MSKF CPスキームの代替として、多出力双方向長短期メモリ(Bi-LSTM)モデルを提案する。 気象調査・予測(WRF)モデルは、南中国上空で5kmの水平解像度でトレーニングとテストデータを生成するために使用される。 さらに、WRFモデルはMLベースのCPスキームと結合し、WRFシミュレーションとMSKFスキームを比較した。 その結果, Bi-LSTMモデルは高い精度を達成でき, グレーゾーンのMSKFスキームを置き換えるMLモデルの可能性を示した。

関連論文リスト

• Language Models as Zero-shot Lossless Gradient Compressors: Towards General Neural Parameter Prior Models [66.1595537904019]
  大型言語モデル(LLM)はゼロショット設定でグラデーション先行として振る舞うことができる。 本稿では,LSMと算術符号を統合する新しい手法であるLM-GCを紹介する。
  論文  参考訳（メタデータ） (2024-09-26T13:38:33Z)
• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Distilling Machine Learning's Added Value: Pareto Fronts in Atmospheric Applications [0.3696370044051793]
  気候モデル階層に着想を得て,適切に決定された誤差・複雑度平面内で定義されたパレート最適モデルの完全な階層構造が,モデル開発をガイドし,モデルの付加価値を理解するのに役立つことを提案する。 大気物理学におけるパレートフロントの利用を3つのサンプルアプリケーションを用いて実証し、最小のチューナブルパラメータを持つ半経験的モデル(単純)からディープラーニングアルゴリズム(最も複雑)までの階層性を示した。
  論文  参考訳（メタデータ） (2024-08-04T23:05:42Z)
• Advances in Land Surface Model-based Forecasting: A comparative study of LSTM, Gradient Boosting, and Feedforward Neural Network Models as prognostic state emulators [4.852378895360775]
  地表面プロセスのシミュレーションによる実験研究の高速化における3つの代理モデルの効率性を評価する。 以上の結果から, LSTMネットワークは, 予測期間を経た平均モデル全体の精度は高いが, 慎重に調整した場合は, 大陸の長距離予測に優れることがわかった。
  論文  参考訳（メタデータ） (2024-07-23T13:26:05Z)
• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• Physics-Informed Machine Learning Towards A Real-Time Spacecraft Thermal Simulator [15.313871831214902]
  ここで提示されるPIMLモデルまたはハイブリッドモデルは、軌道上の熱負荷条件によって与えられるノイズの低減を予測するニューラルネットワークで構成されている。 我々は,ハイブリッドモデルの計算性能と精度を,データ駆動型ニューラルネットモデルと,地球周回小型宇宙船の高忠実度有限差分モデルと比較した。 PIMLベースのアクティブノダライゼーションアプローチは、ニューラルネットワークモデルや粗いメッシュモデルよりもはるかに優れた一般化を提供すると同時に、高忠実度モデルと比較して計算コストを最大1.7倍削減する。
  論文  参考訳（メタデータ） (2024-07-08T16:38:52Z)
• Model-Based Reparameterization Policy Gradient Methods: Theory and Practical Algorithms [88.74308282658133]
  Reization (RP) Policy Gradient Methods (PGM) は、ロボット工学やコンピュータグラフィックスにおける連続的な制御タスクに広く採用されている。 近年の研究では、長期強化学習問題に適用した場合、モデルベースRP PGMはカオス的かつ非滑らかな最適化環境を経験する可能性があることが示されている。 本稿では,長期モデルアンロールによる爆発的分散問題を緩和するスペクトル正規化法を提案する。
  論文  参考訳（メタデータ） (2023-10-30T18:43:21Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Learning and Dynamical Models for Sub-seasonal Climate Forecasting: Comparison and Collaboration [20.52175766498954]
  サブシーズン気候予報(サブシーズン気候予報、Sub-seasonal climate forecasting、SSF)は、2週間から2ヶ月の時間地平線における気温や降水などの重要な気候変数の予測である。 近年の研究では、機械学習モデル(ML)がSSFを前進させる可能性を示している。
  論文  参考訳（メタデータ） (2021-09-29T06:34:34Z)
• TRU-NET: A Deep Learning Approach to High Resolution Prediction of Rainfall [21.399707529966474]
  本稿では,連続的畳み込み再帰層間の新しい2次元クロスアテンション機構を特徴とするエンコーダデコーダモデルであるTRU-NETを提案する。 降雨のゼロ・スクイド・%極端事象パターンを捉えるために,条件付き連続損失関数を用いた。 実験の結果,短期降水予測ではDLモデルよりもRMSEとMAEのスコアが低いことがわかった。
  論文  参考訳（メタデータ） (2020-08-20T17:27:59Z)

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。