論文の概要: Surrogate Modelling for Sea Ice Concentration using Lightweight Neural
Ensemble
- arxiv url: http://arxiv.org/abs/2312.04330v1
- Date: Thu, 7 Dec 2023 14:48:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-08 14:44:09.453220
- Title: Surrogate Modelling for Sea Ice Concentration using Lightweight Neural
Ensemble
- Title(参考訳): 軽量ニューラルアンサンブルを用いた海水氷濃度のサロゲートモデル
- Authors: Julia Borisova, Nikolay O. Nikitin
- Abstract要約: 本稿ではLANE-SIという適応的な代理モデル手法を提案する。
異なる損失関数を持つ比較的単純な深層学習モデルのアンサンブルを用いて、特定水域における海氷濃度の予測を行う。
我々は,カラ海における最先端物理ベースの予測システムSEAS5に対して,20%の改善を実現している。
- 参考スコア(独自算出の注目度): 0.3626013617212667
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The modeling and forecasting of sea ice conditions in the Arctic region are
important tasks for ship routing, offshore oil production, and environmental
monitoring. We propose the adaptive surrogate modeling approach named LANE-SI
(Lightweight Automated Neural Ensembling for Sea Ice) that uses ensemble of
relatively simple deep learning models with different loss functions for
forecasting of spatial distribution for sea ice concentration in the specified
water area. Experimental studies confirm the quality of a long-term forecast
based on a deep learning model fitted to the specific water area is comparable
to resource-intensive physical modeling, and for some periods of the year, it
is superior. We achieved a 20% improvement against the state-of-the-art
physics-based forecast system SEAS5 for the Kara Sea.
- Abstract(参考訳): 北極地域の海氷条件のモデル化と予測は、船舶のルーティング、沖合石油生産、環境モニタリングにとって重要な課題である。
本研究では,特定水域における海氷濃度の空間分布予測に,損失関数が異なる比較的単純な深層学習モデルのアンサンブルを用いた適応型サーロゲートモデルである lane-si (lightweight automated neural ensembling for sea ice) を提案する。
実験により,特定水域に適合する深層学習モデルに基づく長期予測の品質は,資源集約的な物理モデリングに匹敵するものであり,年内にも優れていることが確認された。
カラ海における最先端の物理系予測システムseas5に対する20%の改善を達成した。
関連論文リスト
- 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) - Long-term drought prediction using deep neural networks based on
geospatial weather data [78.63225885697149]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
多様な時間的ニューラルネットワークモデルを用いたエンドツーエンドアプローチを導入することで、干ばつデータに対処する。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳(メタデータ) (2023-09-12T13:28:06Z) - MT-IceNet -- A Spatial and Multi-Temporal Deep Learning Model for Arctic
Sea Ice Forecasting [0.31410342959104726]
我々は,北極海氷濃度(SIC)予測のためのMT-IceNet - UNetに基づく空間・多時間深層学習モデルを提案する。
提案モデルでは,6ヶ月のリードタイムで予測誤差を最大60%低減し,画素ごとのSIC予測に有望な予測性能を提供する。
論文 参考訳(メタデータ) (2023-08-08T18:18:31Z) - Intelligent model for offshore China sea fog forecasting [0.7503129292751938]
本研究は, 数値気象予報モデルに埋もれた深海霧予測手法を開発することを目的とする。
本研究では,海霧発生の要因を解明するために,時間差相関解析手法を用いて鍵予測器を同定し,そのメカニズムを解明する。
提案手法の精度を検証するため,1年にわたる包括的データセットを用いて評価を行った。
論文 参考訳(メタデータ) (2023-07-20T04:46:34Z) - 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) - 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) - Physics-Guided Generative Adversarial Networks for Sea Subsurface
Temperature Prediction [24.55780949103687]
海面下温度は気候変動の地球温暖化の影響を受けている。
既存の研究は一般に物理学に基づく数値モデルまたはデータに基づくモデルに基づいている。
本稿では,GAN(Generative Adversarial Network)と数値モデルを組み合わせた,海底温度の予測手法を提案する。
論文 参考訳(メタデータ) (2021-11-04T23:46:51Z) - Sea Ice Forecasting using Attention-based Ensemble LSTM [4.965782577704965]
本研究では,月毎の海氷範囲を最大1カ月前に予測するための,注意に基づくLong Short Term Memory(LSTM)アンサンブル手法を提案する。
日毎および月毎の衛星海氷データと,39年間にわたるERA5再分析から得られた大気および海洋の変動データを用いて,本手法がいくつかのベースラインを上回り,最近提案された深層学習モデルより優れていることを示す。
論文 参考訳(メタデータ) (2021-07-27T21:37:29Z) - 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) - Hybrid and Automated Machine Learning Approaches for Oil Fields
Development: the Case Study of Volve Field, North Sea [58.720142291102135]
本稿では,意思決定プロセスを支援する分野開発タスクにおけるインテリジェントなアプローチの利用について述べる。
我々は,油田立地最適化の問題と,その中の2つの課題に注目し,石油生産量推定の品質向上と貯水池特性の評価を行う。
実装されたアプローチは、異なる油田を解析したり、同様の物理問題に適応することができる。
論文 参考訳(メタデータ) (2021-03-03T18:51:46Z)
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。