論文の概要: Diffusion-Based Joint Temperature and Precipitation Emulation of Earth System Models
- arxiv url: http://arxiv.org/abs/2404.08797v1
- Date: Fri, 12 Apr 2024 20:13:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-16 18:42:32.678950
- Title: Diffusion-Based Joint Temperature and Precipitation Emulation of Earth System Models
- Title(参考訳): 拡散に基づく地球系の連成温度と沈降エミュレーション
- Authors: Katie Christensen, Lyric Otto, Seth Bassetti, Claudia Tebaldi, Brian Hutchinson,
- Abstract要約: 生成確率拡散モデルを用いて地球系モデル(ESM)をエミュレートする以前の研究を拡張した。
以上の結果から, 乾燥した呪文や熱いストリークなど, 各種気候指標におけるESMの出力とよく似た結果が得られた。
- 参考スコア(独自算出の注目度): 0.724847561444869
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Earth system models (ESMs) are the principal tools used in climate science to generate future climate projections under various atmospheric emissions scenarios on a global or regional scale. Generative deep learning approaches are suitable for emulating these tools due to their computational efficiency and ability, once trained, to generate realizations in a fraction of the time required by ESMs. We extend previous work that used a generative probabilistic diffusion model to emulate ESMs by targeting the joint emulation of multiple variables, temperature and precipitation, by a single diffusion model. Joint generation of multiple variables is critical to generate realistic samples of phenomena resulting from the interplay of multiple variables. The diffusion model emulator takes in the monthly mean-maps of temperature and precipitation and produces the daily values of each of these variables that exhibit statistical properties similar to those generated by ESMs. Our results show the outputs from our extended model closely resemble those from ESMs on various climate metrics including dry spells and hot streaks, and that the joint distribution of temperature and precipitation in our sample closely matches those of ESMs.
- Abstract(参考訳): 地球系モデル(英語: Earth System Model、ESM)は、気候科学において、様々な大気排出シナリオの下で将来の気候予測を生成するために使われる主要なツールである。
生成的なディープラーニングアプローチは、計算効率と能力のためにこれらのツールをエミュレートするのに適しており、一度訓練されると、ESMが必要とするわずかな時間で実現されます。
複数変数, 温度, 降水量の共同エミュレーションを単一拡散モデルで目的とし, 生成確率拡散モデルを用いてESMをエミュレートする以前の研究を拡張した。
複数変数の連成生成は、複数の変数の相互作用から生じる現象の現実的なサンプルを生成するために重要である。
拡散モデルエミュレータは、温度と降水量の月平均マップを取り込み、ESMと似た統計特性を示す各変数の日平均値を生成する。
以上の結果から, 乾燥呪文や熱風など, 各種気候指標のESMからの出力によく似ており, 試料中の温度と降水量の共同分布はESMのものとよく一致していることがわかった。
関連論文リスト
- MetaSD: A Unified Framework for Scalable Downscaling of Meteorological Variables in Diverse Situations [8.71735078449217]
本稿ではメタラーニングを活用した統一的なダウンスケーリング手法を提案する。
ERA5, GFSから温度, 風, 表面圧力, 総降水量からなる変数を訓練した。
提案手法は, 対流降水量, 電位, エネルギー高さ, 湿度CFS, S2S, CMIP6の時間スケールに拡張可能である。
論文 参考訳(メタデータ) (2024-04-26T06:31:44Z) - Synthetic location trajectory generation using categorical diffusion
models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。
本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文 参考訳(メタデータ) (2024-02-19T15:57:39Z) - Towards Theoretical Understandings of Self-Consuming Generative Models [60.98692028151328]
本稿では,自己消費ループ内で生成モデルを訓練する新たな課題に取り組む。
我々は,この学習規則が将来のモデルで学習したデータ分布に与える影響を厳格に評価するための理論的枠組みを構築した。
我々は拡散モデルに一般結果を特化し、自己消費ループ内での最適な早期停止の有効性などの微妙な洞察を提供する。
論文 参考訳(メタデータ) (2024-02-19T02:08:09Z) - FengWu-4DVar: Coupling the Data-driven Weather Forecasting Model with 4D
Variational Assimilation [71.21242137496031]
我々は,AIを用いた循環型天気予報システムFengWu-4DVarを開発した。
FengWu-4DVarは観測データをデータ駆動の天気予報モデルに組み込むことができる。
シミュレーションされた観測データセットの実験は、FengWu-4DVarが合理的な解析場を生成することができることを示した。
論文 参考訳(メタデータ) (2023-12-16T02:07:56Z) - 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) - DiffESM: Conditional Emulation of Earth System Models with Diffusion
Models [2.1989764549743476]
地球系モデル (ESMs) の重要な応用は、熱波や乾燥した呪文のような極端な気象現象を研究することである。
拡散モデルにより、以前にもみられなかった気候シナリオ下でのESMの傾向を効果的にエミュレートできることを示す。
論文 参考訳(メタデータ) (2023-04-23T17:12:33Z) - Differentiable Programming for Earth System Modeling [0.0]
最先端の地球系モデル(ESMs)は、過去150年間の観測上の地球平均温度異常を再現することができる。
我々は、ESMを自動で差別化することは、ESMを前進させる大きな可能性を秘めていると論じる。
論文 参考訳(メタデータ) (2022-08-29T18:32:24Z) - 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) - Loosely Conditioned Emulation of Global Climate Models With Generative
Adversarial Networks [2.937141232326068]
我々は、完全に結合した地球モデルから毎日の降水量をエミュレートする2つの「緩やかな条件付き」ジェネレーターネットワーク(GAN)を訓練する。
GANは時間的なサンプルを作り出すために訓練されます:地球を区別する64x128規則的な格子上の沈殿物の32日。
当社の訓練を受けたGANは、大幅に削減された計算コストで多数の実現を迅速に生成できます。
論文 参考訳(メタデータ) (2021-04-29T02:10:08Z) - DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。
妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。
本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
論文 参考訳(メタデータ) (2020-11-23T20:13:37Z)
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。