論文の概要: Spatio-temporal Multivariate Cluster Evolution Analysis for Detecting and Tracking Climate Impacts

• arxiv url: http://arxiv.org/abs/2410.16544v1
• Date: Mon, 21 Oct 2024 22:13:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-23 14:28:11.091441
• Title: Spatio-temporal Multivariate Cluster Evolution Analysis for Detecting and Tracking Climate Impacts
• Title（参考訳）: 気候影響の検出・追跡のための時空間多変量クラスター進化解析
• Authors: Warren L. Davis IV, Max Carlson, Irina Tezaur, Diana Bull, Kara Peterson, Laura Swiler,
• Abstract要約: 本稿では,統計的に重要な影響を検出するための,新しい,効率的な教師なしデータ駆動手法を提案する。 提案手法は, 既知の事後影響・事象を検出することができることを示す。 さらに,NLPを用いて,作業後影響/事象の有意義なシーケンスを抽出する手法についても述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Recent years have seen a growing concern about climate change and its impacts. While Earth System Models (ESMs) can be invaluable tools for studying the impacts of climate change, the complex coupling processes encoded in ESMs and the large amounts of data produced by these models, together with the high internal variability of the Earth system, can obscure important source-to-impact relationships. This paper presents a novel and efficient unsupervised data-driven approach for detecting statistically-significant impacts and tracing spatio-temporal source-impact pathways in the climate through a unique combination of ideas from anomaly detection, clustering and Natural Language Processing (NLP). Using as an exemplar the 1991 eruption of Mount Pinatubo in the Philippines, we demonstrate that the proposed approach is capable of detecting known post-eruption impacts/events. We additionally describe a methodology for extracting meaningful sequences of post-eruption impacts/events by using NLP to efficiently mine frequent multivariate cluster evolutions, which can be used to confirm or discover the chain of physical processes between a climate source and its impact(s).
• Abstract（参考訳）: 近年、気候変動とその影響に対する懸念が高まっている。 地球系モデル(ESM)は、気候変動の影響を研究する上では貴重なツールであるが、ESMで符号化された複雑な結合プロセスと、これらのモデルによって生成される大量のデータと、地球系の高内部変動とともに、重要なソース・インパクト関係を曖昧にすることができる。 本稿では, 異常検出, クラスタリング, 自然言語処理 (NLP) のアイデアの独特な組み合わせを通じて, 統計的に重要な影響を検出し, 時空間的ソース・インパクト経路をトレースするための, 新規かつ効率的な教師なしデータ駆動手法を提案する。 フィリピンのピナトゥボ山の1991年の噴火を例証として,提案手法が既知の降雨・降雨の影響を検出できることを実証した。 さらに,NLPを用いて,多変量クラスターの進化を効率的にマイニングし,気象源とその影響の間の物理過程の連鎖を確認・発見する手法についても述べる。

関連論文リスト

• Random Forest Regression Feature Importance for Climate Impact Pathway Detection [0.0]
  気候源のRF時流下流衝撃の連鎖を発見し, ランク付けするための新しい手法を開発した。 より複雑な2つのベンチマークを実行することで生成されたデータのアンサンブルに本手法を適用した。 RFRの重要度に基づくアプローチは、両方のテストケースで既知の影響経路を正確に検出できる。
  論文  参考訳（メタデータ） (2024-09-25T04:18:53Z)
• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• 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)
• Cluster-Segregate-Perturb (CSP): A Model-agnostic Explainability Pipeline for Spatiotemporal Land Surface Forecasting Models [5.586191108738564]
  本稿では、LIMEのような摂動に基づく説明可能性手法とPDPのようなグローバルな限界説明可能性の両方から原理を統合するパイプラインを提案する。 提案したパイプラインは,複雑な陸面予測モデルにおける限界感度解析,限界相関解析,ラグ解析などの多様な調査分析の実施を単純化する。
  論文  参考訳（メタデータ） (2024-08-12T04:29:54Z)
• Harnessing Feature Clustering For Enhanced Anomaly Detection With Variational Autoencoder And Dynamic Threshold [0.0]
  北極圏の融雪のような極端な気候現象に影響を及ぼす臨界期間と特徴を識別する異常検出手法を導入する。 この方法は動的しきい値と相関に基づく特徴クラスタリングと統合された変分オートエンコーダを利用する。 この枠組みは、VAEが局所的な依存関係を識別し、気候データにおける時間的関係を学習する能力を高める。
  論文  参考訳（メタデータ） (2024-07-14T01:52:10Z)
• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• Comparing Data-Driven and Mechanistic Models for Predicting Phenology in Deciduous Broadleaf Forests [47.285748922842444]
  我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。 このアプローチは従来のプロセスベースのモデルよりも優れています。
  論文  参考訳（メタデータ） (2024-01-08T15:29:23Z)
• Characterizing climate pathways using feature importance on echo state networks [0.0]
  エコー状態ネットワーク(ESN)は、時間的データのために設計された計算効率の良いニューラルネットワークのバリエーションである。 ESNは非解釈可能なブラックボックスモデルであり、変数関係を理解する上でハードルとなる。 我々は,特徴重要度の評価と比較を行うシミュレーション研究を行い,再分析気候データに対するアプローチを実証する。
  論文  参考訳（メタデータ） (2023-10-12T16:55:04Z)
• Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes [61.31361524229248]
  計算負担を軽減するため,近年の大規模分散時間GPを構築した。 我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
  論文  参考訳（メタデータ） (2022-11-15T14:15:04Z)
• Deep generative model super-resolves spatially correlated multiregional climate data [5.678539713361703]
  逆ネットワークに基づく機械学習により、ダウンスケーリングにおける地域間空間相関を正確に再構築できることを示す。 提案手法は,気候変動の影響を地域間一貫した評価に有効である。 本稿では,低分解能降雨場を圧力場に置き換えた深部生成モデルに基づくダウンスケーリング手法の結果について述べる。
  論文  参考訳（メタデータ） (2022-09-26T05:45:16Z)
• Causality-Based Multivariate Time Series Anomaly Detection [63.799474860969156]
  我々は、因果的観点から異常検出問題を定式化し、多変量データを生成するための通常の因果的メカニズムに従わない事例として、異常を考察する。 次に、まずデータから因果構造を学習し、次に、あるインスタンスが局所因果機構に対して異常であるかどうかを推定する因果検出手法を提案する。 我々は、実世界のAIOpsアプリケーションに関するケーススタディと同様に、シミュレートされたデータセットとパブリックなデータセットの両方を用いて、私たちのアプローチを評価します。
  論文  参考訳（メタデータ） (2022-06-30T06:00:13Z)

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。