論文の概要: Machine-learning prediction of tipping and collapse of the Atlantic
Meridional Overturning Circulation
- arxiv url: http://arxiv.org/abs/2402.14877v1
- Date: Wed, 21 Feb 2024 20:59:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-26 16:48:43.599555
- Title: Machine-learning prediction of tipping and collapse of the Atlantic
Meridional Overturning Circulation
- Title(参考訳): 大西洋平均転回循環の先端崩壊の機械学習による予測
- Authors: Shirin Panahi, Ling-Wei Kong, Mohammadamin Moradi, Zheng-Meng Zhai,
Bryan Glaz, Mulugeta Haile, and Ying-Cheng Lai
- Abstract要約: 近年のAtlantic Meridional Overturning Circulation (AMOC)の研究は、気候変動により北大西洋への淡水流入が増加し、先端部が崩壊する可能性を懸念している。
AMOC, 生態ネットワーク, 電力システム, 気候モデルなど, 様々なシステムにおいて, 時間変化パラメータによる音質動的システムのチップピングを予測し, テストする機械学習手法を開発した。
- 参考スコア(独自算出の注目度): 0.22436328017044366
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent research on the Atlantic Meridional Overturning Circulation (AMOC)
raised concern about its potential collapse through a tipping point due to the
climate-change caused increase in the freshwater input into the North Atlantic.
The predicted time window of collapse is centered about the middle of the
century and the earliest possible start is approximately two years from now.
More generally, anticipating a tipping point at which the system transitions
from one stable steady state to another is relevant to a broad range of fields.
We develop a machine-learning approach to predicting tipping in noisy dynamical
systems with a time-varying parameter and test it on a number of systems
including the AMOC, ecological networks, an electrical power system, and a
climate model. For the AMOC, our prediction based on simulated fingerprint data
and real data of the sea surface temperature places the time window of a
potential collapse between the years 2040 and 2065.
- Abstract(参考訳): 近年のAtlantic Meridional Overturning Circulation (AMOC)の研究は、気候変動により北大西洋への淡水流入が増加し、先端部が崩壊する可能性を懸念している。
予測された崩壊の時間窓は、世紀半ばに集中しており、最初期の始まりは、現在から約2年後である。
より一般に、システムがある安定定常状態から別の状態へ遷移するチップングポイントを予測することは、広い範囲のフィールドに関係している。
AMOC, 生態ネットワーク, 電力システム, 気候モデルなど, 様々なシステムにおいて, 時間変化パラメータによる音質動的システムのチップピングを予測し, テストする機械学習手法を開発した。
AMOCでは,シミュレーションされた指紋データと海面温度の実データに基づいて,2040年から2065年の間に潜在的崩壊の時間窓を配置した。
関連論文リスト
- The Importance of Architecture Choice in Deep Learning for Climate
Applications [0.5439020425819]
我々は,ヨーロッパや米国東海岸の気候において重要な気候であるアトランティック・メリディショナル・オーバーターン循環(AMOC)をモデル化する。
任意の時間スケールで任意に極端な気候シナリオを生成し、ニューラルネットワークを使って予測します。
定量化の不確実性により、AMOCの崩壊の臨界点前にある「スパイク」の興味深いパターンは、今世紀中にAMOCの崩壊を予測した以前の分析に疑問を投げかけている。
論文 参考訳(メタデータ) (2024-02-21T18:09:04Z) - Residual Diffusion Modeling for Km-scale Atmospheric Downscaling [51.061954281398116]
台湾上空2kmの高解像度気象モデルを用いて,コスト効率の低いダウンスケーリングモデルを訓練した。
textitCorrDiffは、RMSEとCRPSを巧みに表現し、極端な場合でもスペクトルと分布を忠実に回復する。
グローバルな予測のスケールダウンは、これらのメリットの多くを成功裏に維持し、マシンラーニングの天気予報のエンドツーエンドなグローバルなスケールの可能性を先導する。
論文 参考訳(メタデータ) (2023-09-24T19:57:22Z) - 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) - A Multi-Modal Machine Learning Approach to Detect Extreme Rainfall
Events in Sicily [0.0]
2021年、年間降水量のほぼ半分にあたる300mmの雨が、カタニア(シチリア島)近くで降った。
これは、2009年から2021年にかけて収集した高周波で大規模なデータセットを使用することで可能になった。
使い易く、マルチモーダルなデータサイエンス技術は、ポリシー作成に大きな改善をもたらす可能性があると信じています。
論文 参考訳(メタデータ) (2022-12-14T14:10:27Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳(メタデータ) (2022-11-20T06:46:35Z) - Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global
Weather Forecast [91.9372563527801]
我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。
初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。
Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
論文 参考訳(メタデータ) (2022-11-03T17:19:43Z) - A Deep Learning Model for Forecasting Global Monthly Mean Sea Surface
Temperature Anomalies [2.8411302762015844]
我々は,ECMWF ERA5月平均海面温度と2m大気温度データに基づいて,70年以上(1950-2021年)の深層学習時系列予測モデル(Unet-LSTM)を開発した。
このモデルでは、24カ月間の海面温度を正確に予測し、予測されるすべての月において、根平均2乗誤差は 0.75$circ$C 以下である。
また,Nino3.4地域の海面温度異常や,過去10年間の海面熱波ホットスポットの予測能力についても検討した。
論文 参考訳(メタデータ) (2022-02-21T03:11:27Z) - Forecasting large-scale circulation regimes using deformable
convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討
今後1~15日にわたって北大西洋-欧州の気象条件を予測した。
より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5~6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
論文 参考訳(メタデータ) (2022-02-10T11:37:00Z) - Predicting Atlantic Multidecadal Variability [7.664716161640758]
大西洋の多面的変動は、典型的な周期が60年から70年の間である北大西洋の海面温度の変動を記述している。
この研究は、北大西洋地域の海面温度、塩分濃度、海面圧力のマップから、AMV予測の状態を改善するために、複数の機械学習モデルをテストする。
論文 参考訳(メタデータ) (2021-10-29T23:56:24Z) - A generative adversarial network approach to (ensemble) weather
prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。
提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文 参考訳(メタデータ) (2020-06-13T20:53:17Z)
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。