論文の概要: Efficient Subseasonal Weather Forecast using Teleconnection-informed Transformers

• arxiv url: http://arxiv.org/abs/2401.17870v1
• Date: Wed, 31 Jan 2024 14:27:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-01 14:13:40.027354
• Title: Efficient Subseasonal Weather Forecast using Teleconnection-informed Transformers
• Title（参考訳）: テレコネクテーション変換器を用いた高効率季節性気象予報
• Authors: Shan Zhao, Zhitong Xiong, Xiao Xiang Zhu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 29.33938664834226
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Subseasonal forecasting, which is pivotal for agriculture, water resource management, and early warning of disasters, faces challenges due to the chaotic nature of the atmosphere. Recent advances in machine learning (ML) have revolutionized weather forecasting by achieving competitive predictive skills to numerical models. However, training such foundation models requires thousands of GPU days, which causes substantial carbon emissions and limits their broader applicability. Moreover, ML models tend to fool the pixel-wise error scores by producing smoothed results which lack physical consistency and meteorological meaning. To deal with the aforementioned problems, we propose a teleconnection-informed transformer. Our architecture leverages the pretrained Pangu model to achieve good initial weights and integrates a teleconnection-informed temporal module to improve predictability in an extended temporal range. Remarkably, by adjusting 1.1% of the Pangu model's parameters, our method enhances predictability on four surface and five upper-level atmospheric variables at a two-week lead time. Furthermore, the teleconnection-filtered features improve the spatial granularity of outputs significantly, indicating their potential physical consistency. Our research underscores the importance of atmospheric and oceanic teleconnections in driving future weather conditions. Besides, it presents a resource-efficient pathway for researchers to leverage existing foundation models on versatile downstream tasks.
• Abstract（参考訳）: 農業、水資源管理、災害の早期警戒にとって重要な季節的予報は、大気のカオス性による課題に直面している。 機械学習(ML)の最近の進歩は、数値モデルに対する競争力のある予測スキルを達成することによって、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日を必要とするため、炭素排出量が大きくなり、適用性が制限される。 さらに、MLモデルは、物理的整合性や気象学的意味に欠ける滑らかな結果を生成することで、画素単位の誤差スコアを騙す傾向にある。 上記の問題に対処するために,テレコネクション変換器を提案する。 我々のアーキテクチャは事前学習されたpanguモデルを利用して、適切な初期重み付けを達成し、テレコネクションインフォームされた時間モジュールを統合し、拡張された時間範囲での予測可能性を向上させる。 また,Panguモデルのパラメータの1.1%を調整することにより,2週間のリードタイムで4面および5つの上層大気変数の予測可能性を高める。 さらに, テレコネクションフィルタにより出力の空間的粒度が大幅に向上し, 物理的整合性が示唆された。 我々の研究は、将来の気象条件を駆動する上で、大気と海洋のテレコネクションの重要性を強調している。 さらに、研究者が既存の基盤モデルを多目的下流タスクで活用するための資源効率の高い経路を提供する。

関連論文リスト

• FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere [53.22497376154084]
  本研究では,FengWuグローバル気象予報モデルに基づくFengWu-Weather to Subseasonal (FengWu-W2S)を提案する。 我々は,FengWu-W2Sが大気環境を3～6週間先まで確実に予測し,マデン・ジュリア振動 (MJO) や北大西洋振動 (NAO) などの地球表面温度, 降水量, 地磁気高度, 季節内信号の予測能力を向上させることを実証した。 日時から季節時の予測誤差成長に関するアブレーション実験
  論文  参考訳（メタデータ） (2024-11-15T13:44:37Z)
• Multi-Source Temporal Attention Network for Precipitation Nowcasting [4.726419619132143]
  降水量は様々な産業で重要であり、気候変動の緩和と適応に重要な役割を果たしている。 降水量予測のための効率的な深層学習モデルを導入し,既存の運用モデルよりも高い精度で降雨を最大8時間予測する。
  論文  参考訳（メタデータ） (2024-10-11T09:09:07Z)
• Super Resolution On Global Weather Forecasts [0.1747623282473278]
  グループは,グローバル気象予測の空間分解能を高めることにより,既存の深層学習に基づく予測手法の改善を目指している。 具体的には、大域的精度を1度から0.5度に高めることにより、グラフCast温度予測における超解像(SR)の実行に関心がある。
  論文  参考訳（メタデータ） (2024-09-17T19:07:13Z)
• 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)
• Leveraging data-driven weather models for improving numerical weather prediction skill through large-scale spectral nudging [1.747339718564314]
  本研究は,気象予測に対する物理学的アプローチとAI的アプローチの相対的強みと弱みについて述べる。 GEM予測された大規模状態変数をGraphCast予測に対してスペクトル的に評価するハイブリッドNWP-AIシステムを提案する。 その結果,このハイブリッド手法は,GEMモデルの予測能力を高めるために,GraphCastの強みを活用できることが示唆された。
  論文  参考訳（メタデータ） (2024-07-08T16:39:25Z)
• 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)
• Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
  本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。 提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
  論文  参考訳（メタデータ） (2023-11-30T08:22:08Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• 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)
• 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)

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。