論文の概要: DABench: A Benchmark Dataset for Data-Driven Weather Data Assimilation

• arxiv url: http://arxiv.org/abs/2408.11438v1
• Date: Wed, 21 Aug 2024 08:50:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-22 17:49:48.120690
• Title: DABench: A Benchmark Dataset for Data-Driven Weather Data Assimilation
• Title（参考訳）: DABench: データ駆動気象データ同化のためのベンチマークデータセット
• Authors: Wuxin Wang, Weicheng Ni, Tao Han, Lei Bai, Boheng Duan, Kaijun Ren,
• Abstract要約: ERA5データを利用したベンチマークデータセットであるDABenchを導入し、エンド・ツー・エンドの気象予報システムの開発を導く。 DaTは4次元の変分DA事前知識をTransformerモデルに統合し、4DVarNetという物理的状態再構成においてSOTAより優れている。
• 参考スコア（独自算出の注目度）: 10.592906148480111
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recent advancements in deep learning (DL) have led to the development of several Large Weather Models (LWMs) that rival state-of-the-art (SOTA) numerical weather prediction (NWP) systems. Up to now, these models still rely on traditional NWP-generated analysis fields as input and are far from being an autonomous system. While researchers are exploring data-driven data assimilation (DA) models to generate accurate initial fields for LWMs, the lack of a standard benchmark impedes the fair evaluation among different data-driven DA algorithms. Here, we introduce DABench, a benchmark dataset utilizing ERA5 data as ground truth to guide the development of end-to-end data-driven weather prediction systems. DABench contributes four standard features: (1) sparse and noisy simulated observations under the guidance of the observing system simulation experiment method; (2) a skillful pre-trained weather prediction model to generate background fields while fairly evaluating the impact of assimilation outcomes on predictions; (3) standardized evaluation metrics for model comparison; (4) a strong baseline called the DA Transformer (DaT). DaT integrates the four-dimensional variational DA prior knowledge into the Transformer model and outperforms the SOTA in physical state reconstruction, named 4DVarNet. Furthermore, we exemplify the development of an end-to-end data-driven weather prediction system by integrating DaT with the prediction model. Researchers can leverage DABench to develop their models and compare performance against established baselines, which will benefit the future advancements of data-driven weather prediction systems. The code is available on this Github repository and the dataset is available at the Baidu Drive.
• Abstract（参考訳）: 近年のディープラーニング(DL)の進歩は、最先端の気象予測システム(SOTA)と競合する大規模気象モデル(LWM)の開発につながっている。 これまでのところ、これらのモデルは入力として従来のNWP生成分析フィールドに依存しており、自律システムとは程遠い。 研究者らは、LWMの正確な初期フィールドを生成するために、データ駆動型データ同化(DA)モデルを検討しているが、標準ベンチマークの欠如は、データ駆動型DAアルゴリズム間の公正な評価を妨げている。 本稿では、ERA5データを利用したベンチマークデータセットであるDABenchを紹介し、エンド・ツー・エンドの気象予報システムの開発を導く。 DABench は,(1) 観測系シミュレーション実験法の指導下でのスパースとノイズのシミュレーション観測,(2) 予測に対する同化結果の影響を正確に評価しながら,背景場を生成するための熟練した事前学習天気予報モデル,(3) モデル比較のための標準評価指標,(4) DA変換器(DaT)と呼ばれる強力なベースライン,の4つの標準的特徴に寄与している。 DaTは4次元の変分DA事前知識をTransformerモデルに統合し、4DVarNetという物理的状態再構成においてSOTAより優れている。 さらに,DATと予測モデルを統合することで,エンドツーエンドのデータ駆動型天気予報システムの開発を実証する。 DABenchを利用してモデルを開発し、既存のベースラインのパフォーマンスを比較することで、データ駆動型天気予報システムの今後の進歩に寄与する。 コードはGithubリポジトリで、データセットはBaidu Driveで入手できる。

関連論文リスト

• ADAF: An Artificial Intelligence Data Assimilation Framework for Weather Forecasting [8.48006222985557]
  本稿では,人工知能に基づくデータ同化フレームワーク(ADAF)を導入し,高品質なキロスケール分析を実現する。 大陸性米国(CONUS)の4つの準曲面変数に対してADAFを実装した。 その結果,ADAFは高分解能高速リフレッシュデータ同化システム(HRRRDAS)を16%から33%の精度で超えた。
  論文  参考訳（メタデータ） (2024-11-25T14:46:17Z)
• WeatherReal: A Benchmark Based on In-Situ Observations for Evaluating Weather Models [11.016845506758841]
  我々は,地球近傍の地表面観測から得られた気象予報のための新しいベンチマークデータセットであるWeatherRealを紹介する。 本稿では,データセットの基盤となる情報源と処理手法を詳述するとともに,超局地的・極端な気象観測におけるその場観測の利点について述べる。 私たちの研究は、AIベースの天気予報研究を、よりアプリケーション中心で運用対応のアプローチへと進めることを目的としています。
  論文  参考訳（メタデータ） (2024-09-14T08:53:46Z)
• Generalizing Weather Forecast to Fine-grained Temporal Scales via Physics-AI Hybrid Modeling [55.13352174687475]
  本稿では,天気予報をより微細なテンポラルスケールに一般化する物理AIハイブリッドモデル(WeatherGFT)を提案する。 具体的には、小さな時間スケールで物理進化をシミュレートするために、慎重に設計されたPDEカーネルを用いる。 我々は、異なるリードタイムでのモデルの一般化を促進するためのリードタイムアウェアトレーニングフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-05-22T16:21:02Z)
• Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
  気象予報に拡散モデル(DM)を適用した新しい手法を提案する。 提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。 我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
  論文  参考訳（メタデータ） (2024-02-06T21:28:42Z)
• ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
  非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。 また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。 提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
  論文  参考訳（メタデータ） (2024-02-02T10:34:13Z)
• 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)
• FengWu-4DVar: Coupling the Data-driven Weather Forecasting Model with 4D Variational Assimilation [67.20588721130623]
  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)
• W-MAE: Pre-trained weather model with masked autoencoder for multi-variable weather forecasting [7.610811907813171]
  天気予報のための事前学習を行うMasked AutoEncoderを用いた気象モデルを提案する。 W-MAEは、気象変数内の空間的相関を再構成するために、自己教師付きで事前訓練される。 時間スケールでは、事前訓練されたW-MAEを微調整し、気象変数の将来状態を予測する。
  論文  参考訳（メタデータ） (2023-04-18T06:25:11Z)
• 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。