論文の概要: LASSE: Learning Active Sampling for Storm Tide Extremes in Non-Stationary Climate Regimes

• arxiv url: http://arxiv.org/abs/2501.00149v1
• Date: Mon, 30 Dec 2024 21:51:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-05 20:43:18.771660
• Title: LASSE: Learning Active Sampling for Storm Tide Extremes in Non-Stationary Climate Regimes
• Title（参考訳）: LASSE:非定常気候レジームにおけるストームタイド極端のアクティブサンプリング学習
• Authors: Grace Jiang, Jiangchao Qiu, Sai Ravela,
• Abstract要約: 我々は、サロゲートモデルが精度、リコール、精度の観点から有望であることを示す。 本稿では,高潮発生サイクロンを迅速に探索するオンライン学習手法を提案する。
• 参考スコア（独自算出の注目度）: 1.8434042562191815
• License:
• Abstract: Identifying tropical cyclones that generate destructive storm tides for risk assessment, such as from large downscaled storm catalogs for climate studies, is often intractable because it entails many expensive Monte Carlo hydrodynamic simulations. Here, we show that surrogate models are promising from accuracy, recall, and precision perspectives, and they ``generalize" to novel climate scenarios. We then present an informative online learning approach to rapidly search for extreme storm tide-producing cyclones using only a few hydrodynamic simulations. Starting from a minimal subset of TCs with detailed storm tide hydrodynamic simulations, a surrogate model selects informative data to retrain online and iteratively improves its predictions of damaging TCs. Results on an extensive catalog of downscaled TCs indicate a 100% precision retrieving the rare destructive storms training using less than 20% of the simulations as training. The informative sampling approach is efficient, scalable to large storm catalogs, and generalizable to climate scenarios.
• Abstract（参考訳）: 気候研究のための大規模なストームカタログなど、リスク評価のために破壊的なストーム潮を発生させる熱帯サイクロンの同定は、多くの高価なモンテカルロ流体力学シミュレーションを必要とするため、しばしば困難である。 ここでは、サロゲートモデルが精度、リコール、精度の観点から有望であることを示す。 そこで本研究では,数個の流体力学シミュレーションを用いて,超高潮発生サイクロンを高速に探索するオンライン学習手法を提案する。 詳細な潮流流体力学シミュレーションによるTCの最小サブセットから、代理モデルは、オンラインで再トレーニングするための情報的データを選択し、TCの損傷予測を反復的に改善する。 ダウンスケールTCの広範囲なカタログでは、シミュレーションの20%未満をトレーニングとして利用して、希少な破壊嵐の訓練を100%精度で回収することを示した。 情報的サンプリングアプローチは効率的で、大規模な嵐カタログにスケーラブルであり、気候シナリオに一般化可能である。

関連論文リスト

• Potential Paradigm Shift in Hazard Risk Management: AI-Based Weather Forecast for Tropical Cyclone Hazards [14.98500685250914]
  この研究は、焦点となる例として熱帯性サイクロンを用いる。 そこで我々は,先進的なPangu AI気象モデルを用いて,アンサンブル予測を生成する摂動に基づく手法を開発した。
  論文  参考訳（メタデータ） (2024-04-29T05:32:48Z)
• TRG-Net: An Interpretable and Controllable Rain Generator [61.2760968459789]
  本研究は,降雨の基盤となる物理的発生機構を十分に考慮した,新しい深層学習型降雨発生器を提案する。 その意義は、発電機が予想される雨をシミュレートするために雨の本質的な要素を精巧に設計するだけでなく、複雑で多様な雨のイメージに微妙に適応することにある。 提案した雨発生器が発生した雨は, 高品質であるだけでなく, 排水作業や下流作業にも有効であることを示す。
  論文  参考訳（メタデータ） (2024-03-15T03:27:39Z)
• Storm Surge Modeling in the AI ERA: Using LSTM-based Machine Learning for Enhancing Forecasting Accuracy [0.7149367973754319]
  LSTMに基づくディープラーニングネットワーク機械学習アーキテクチャを提案する。 本研究の全体的な目標は,物理モデルのシステム的誤差を予測し,シミュレーション結果の精度を向上させることである。
  論文  参考訳（メタデータ） (2024-03-07T13:19:38Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• HurriCast: An Automatic Framework Using Machine Learning and Statistical Modeling for Hurricane Forecasting [5.806235734006766]
  ハリケーンは、その破壊的な影響により、アメリカにおいて大きな課題を呈している。 これらのリスクを緩和することは重要であり、この取り組みの中心は保険業界である。 本研究では,ARIMAモデルとK-MEANSを組み合わせることで,ハリケーンの傾向をより正確に把握する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-12T19:48:52Z)
• An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
  高空間分解能水深予測のための異なる深層学習モデルの比較を行った。 深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。 その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
  論文  参考訳（メタデータ） (2023-02-20T16:08:54Z)
• A Framework for Flexible Peak Storm Surge Prediction [2.362412515574206]
  暴風雨は沿岸地域では大きな自然災害であり、大きな被害と生命の喪失の原因となっている。 我々は,多段階アプローチに基づくピーク・ストーム・サージ・予測のための新しいサロゲート・モデルを開発した。 我々はテキサス沿岸とアラスカ海岸北部の2つの研究領域でモデリングの枠組みを実証した。
  論文  参考訳（メタデータ） (2022-04-27T20:02:25Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• Semi-Supervised Video Deraining with Dynamic Rain Generator [59.71640025072209]
  本稿では,降雨層に適合する動的降雨発生器を用いた半教師付きビデオデレーシング手法を提案する。 具体的には、1つのエミッションモデルと1つのトランジションモデルから成り、空間的物理的構造と時系列の雨の連続的な変化を同時にエンコードする。 ラベル付き合成およびラベルなしの実データのために、それらの基礎となる共通知識を十分に活用するために、様々な先行フォーマットが設計されている。
  論文  参考訳（メタデータ） (2021-03-14T14:28:57Z)
• TRU-NET: A Deep Learning Approach to High Resolution Prediction of Rainfall [21.399707529966474]
  本稿では,連続的畳み込み再帰層間の新しい2次元クロスアテンション機構を特徴とするエンコーダデコーダモデルであるTRU-NETを提案する。 降雨のゼロ・スクイド・%極端事象パターンを捉えるために,条件付き連続損失関数を用いた。 実験の結果,短期降水予測ではDLモデルよりもRMSEとMAEのスコアが低いことがわかった。
  論文  参考訳（メタデータ） (2020-08-20T17:27:59Z)
• From Rain Generation to Rain Removal [67.71728610434698]
  雨層を生成物としてパラメータ化した雨画像のためのベイズ生成モデルを構築した。 降雨画像の統計的分布を推定するために,変分推論の枠組みを用いる。 総合的な実験により,提案モデルが複雑な降雨分布を忠実に抽出できることが確認された。
  論文  参考訳（メタデータ） (2020-08-08T18:56:51Z)

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。