論文の概要: Prévisions météorologiques basées sur l'intelligence artificielle : une révolution peut en cacher une autre

• arxiv url: http://arxiv.org/abs/2405.02679v1
• Date: Sat, 4 May 2024 14:45:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-07 18:49:54.472206
• Title: Prévisions météorologiques basées sur l'intelligence artificielle : une révolution peut en cacher une autre
• Title（参考訳）: 論理学における「知識」と「知識」 : キャッシュの進化に就て
• Authors: Zied Ben-Bouallegue, Mariana C A Clare, Matthieu Chevallier,
• Abstract要約: 本稿では,構造的リアリズムと気象事象の予測可能性の関係について論じる。 AIに基づく決定論的予測の統計的分析は、確率論的アプローチが解決に役立つという現実主義/パフォーマンスジレンマを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Artificial intelligence (AI), based on deep-learning algorithm using high-quality reanalysis datasets, is showing enormous potential for weather forecasting. In this context, the European Centre for Medium-Range Weather Forecasts (ECMWF) is developing a new forecasting system based on AI. Verification results of deterministic forecast for now are promising. However, the realism of weather forecasts based on AI is often questioned. Here, different types of realism are identified and we discuss, in particular, the relationship between structural realism and predictability of weather events. Furthermore, a statistical analysis of deterministic forecasts based on AI points to a realism/performance dilemma that a probabilistic approach should help to solve. -- L'intelligence artificielle (IA) bouleverse aujourd'hui le monde de la pr\'evision m\'et\'eorologique avec l'utilisation d'algorithmes d'apprentissage profond nourris par des champs de r\'eanalyses. Dans ce contexte, le Centre Europ\'een pour les Pr\'evisions M\'et\'eorologiques \`a Moyen Terme (CEPMMT) a d\'ecid\'e de d\'evelopper un nouveau syst\`eme de pr\'evisions resposant sur l'IA. Ces pr\'evisions, pour le moment de type d\'eterministe, montrent des r\'esultats prometteurs. Toutefois, le r\'ealisme de ce type de pr\'evisions reposant sur l'IA est souvent questionn\'e. Ici, nous identifions diff\'erents types de r\'ealisme et interrogeons notamment le rapport entre r\'ealisme structurel et pr\'evisibilit\'e des \'ev\^enements m\'et\'eorologiques. Une analyse statistique de pr\'evisions d\'eterministes reposant sur l'IA laisse apparaitre un dilemme r\'ealisme/performance qu'une approche probabiliste devrait aider \`a r\'esoudre.
• Abstract（参考訳）: 高品質なリアナリシスデータセットを用いたディープラーニングアルゴリズムに基づく人工知能(AI)は、天気予報に大きな可能性を示している。 この文脈において、欧州中距離気象予報センター(ECMWF)は、AIに基づく新しい予測システムを開発している。 現在、決定論的予測の検証結果は有望である。 しかし、AIに基づく天気予報の現実性はしばしば疑問視される。 ここでは、異なる種類のリアリズムを特定し、特に、構造的リアリズムと気象事象の予測可能性の関係について論じる。 さらに、AIに基づく決定論的予測の統計的分析は、確率論的アプローチが解決するべき現実主義/パフォーマンスジレンマを示している。 L'intelligence artificielle (IA) bouleverse aujourd'hui le monde de la pr\'evision m''et\'eorologique avec l'utilisation d'algorithmes d'apprentissage profond nourris par des champs de r'eanalyses M''et\'eorologiques \`a Moyen Terme (CEPMMT) a d''ecid\'e de d''evelopper un nouveau syst\`eme de pr''evisions resposant sur l'IA d'eterministe, montrent des r''esultats prometteurs, pour le moment de type d'eterministe, montrent des r''esultats prometteurs。 toutefois, le r'ealisme de ce type de pr'evisions reposant sur l'IA est souvent questionn\'e。 Ici, nous identifions diff\'erents types de r\'ealisme et interrogeons notamment le rapport entre r\'ealisme structurel et pr\'evisibilit\'e des \'ev\^enements m\'et\eorologiques。 Une analyse statistique de pr\'evisions d\'eterministes reposant sur l'IA laisse apparaitre un dilemme r\'ealisme/ Performance qu'une approche probabiliste devrait aider \`a r\'soudre。

関連論文リスト

• A Practical Probabilistic Benchmark for AI Weather Models [0.8278356279004184]
  我々は、GraphCastとPanguの2つの主要なAI天気モデルが確率論的CRPSメトリクスに結びついていることを示す。 また、多くのデータ駆動気象モデルが採用している複数の時間-ステップ損失関数が、非生産的であることも明らかにした。
  論文  参考訳（メタデータ） (2024-01-27T05:53:16Z)
• Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
  我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。 我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。 この手法を現実のシナリオに適用するのは,私たちが初めてです。
  論文  参考訳（メタデータ） (2023-12-18T09:05:28Z)
• AI Foundation Models for Weather and Climate: Applications, Design, and Implementation [3.3929630603919394]
  機械学習と深層学習は、大気のカオス的な振る舞いを理解し、天気予報を促進するために広く研究されてきた。 変換器、物理インフォームド機械学習、グラフニューラルネットワークを用いた最近のアプローチは、比較的狭いスケールと特定のタスクで最先端のパフォーマンスを実証している。
  論文  参考訳（メタデータ） (2023-09-19T17:50:27Z)
• Travel Demand Forecasting: A Fair AI Approach [0.9383397937755517]
  本研究では,公正で高精度な旅行需要予測モデルを開発するための新しい手法を提案する。 具体的には、予測精度と保護属性の相関を明示的に測定する、新しい公正規則化項を導入する。 その結果,提案手法は,予測精度を維持しつつ,複数の保護属性の公平性を効果的に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T03:16:54Z)
• Interpretable Self-Aware Neural Networks for Robust Trajectory Prediction [50.79827516897913]
  本稿では,意味概念間で不確実性を分散する軌道予測のための解釈可能なパラダイムを提案する。 実世界の自動運転データに対する我々のアプローチを検証し、最先端のベースラインよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-11-16T06:28:20Z)
• Deep learning for spatio-temporal forecasting -- application to solar energy [12.5097469793837]
  この論文は、深い学習を伴う原則付き時間予測の主題に取り組む。 エレクトロニティ・ド・フランス(EDF)のモチベーション応用は、魚眼画像による短期的な太陽エネルギー予測である。
  論文  参考訳（メタデータ） (2022-05-07T06:42:48Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Heterogeneous-Agent Trajectory Forecasting Incorporating Class Uncertainty [54.88405167739227]
  本稿では,エージェントのクラス確率を明示的に組み込んだヘテロジニアスエージェント軌道予測手法であるHAICUを提案する。 さらに,新たな挑戦的な実世界の自動運転データセットであるpupも紹介する。 軌道予測にクラス確率を組み込むことで,不確実性に直面した性能が著しく向上することを示す。
  論文  参考訳（メタデータ） (2021-04-26T10:28:34Z)
• Learning Interpretable Deep State Space Model for Probabilistic Time Series Forecasting [98.57851612518758]
  確率的時系列予測は、その歴史に基づいて将来の分布を推定する。 本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。 実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
  論文  参考訳（メタデータ） (2021-01-31T06:49:33Z)
• 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。