論文の概要: Long-term prediction of El Niño-Southern Oscillation using reservoir computing with data-driven realtime filter

• arxiv url: http://arxiv.org/abs/2501.17781v1
• Date: Wed, 29 Jan 2025 17:15:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-30 15:52:51.786089
• Title: Long-term prediction of El Niño-Southern Oscillation using reservoir computing with data-driven realtime filter
• Title（参考訳）: データ駆動リアルタイムフィルタを用いた貯水池計算によるエルニーニョ南部振動の長期予測
• Authors: Takuya Jinno, Takahito Mitsui, Kengo Nakai, Yoshitaka Saiki, Tsuyoshi Yoneda,
• Abstract要約: 帯域通過フィルタは、過去の時系列のみに依存するため、リアルタイムな運用予測に適用できる。 我々は,過去時系列のみを用いて,24ヶ月の予測地平線でエルニーニョ南部振動の多年変動を予測した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In recent years, the application of machine learning approaches to time-series forecasting of climate dynamical phenomena has become increasingly active. It is known that applying a band-pass filter to a time-series data is a key to obtaining a high-quality data-driven model. Here, to obtain longer-term predictability of machine learning models, we introduce a new type of band-pass filter. It can be applied to realtime operational prediction workflows since it relies solely on past time series. We combine the filter with reservoir computing, which is a machine-learning technique that employs a data-driven dynamical system. As an application, we predict the multi-year dynamics of the El Ni\~no-Southern Oscillation with the prediction horizon of 24 months using only past time series.
• Abstract（参考訳）: 近年,温暖化現象の時系列予測への機械学習手法の適用がますます活発化している。 時系列データに帯域通過フィルタを適用することは、高品質なデータ駆動モデルを得るための鍵であることが知られている。 本稿では,機械学習モデルの長期予測可能性を得るために,新しいタイプの帯域通過フィルタを提案する。 過去の時系列にのみ依存するため、リアルタイムの運用予測ワークフローに適用することができる。 データ駆動動的システムを用いた機械学習技術である貯水池計算とフィルタを組み合わせる。 適用例として,過去時系列のみを用いて,24ヶ月の予測地平線によるエルニ・南方振動の多年変動を予測した。

関連論文リスト

• Pushing the Limits of Pre-training for Time Series Forecasting in the CloudOps Domain [54.67888148566323]
  クラウドオペレーションドメインから,大規模時系列予測データセットを3つ導入する。 強力なゼロショットベースラインであり、モデルとデータセットサイズの両方において、さらなるスケーリングの恩恵を受けています。 これらのデータセットと結果を取得することは、古典的および深層学習のベースラインを事前訓練された方法と比較した総合的なベンチマーク結果の集合である。
  論文  参考訳（メタデータ） (2023-10-08T08:09:51Z)
• Rapid Flood Inundation Forecast Using Fourier Neural Operator [77.30160833875513]
  洪水浸水予測は洪水前後の緊急計画に重要な情報を提供する。 近年,高分解能な流体力学モデリングが普及しつつあるが,道路の洪水範囲やリアルタイムのビルディングレベルは依然として計算的に要求されている。 洪水範囲と浸水深度予測のためのハイブリッドプロセスベースおよびデータ駆動機械学習(ML)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-07-29T22:49:50Z)
• Combining Slow and Fast: Complementary Filtering for Dynamics Learning [9.11991227308599]
  本研究では,動的モデル学習に対する学習に基づくモデル学習手法を提案する。 また,さらに物理ベースのシミュレータを必要とするハイブリッドモデルを提案する。
  論文  参考訳（メタデータ） (2023-02-27T13:32:47Z)
• ClimaX: A foundation model for weather and climate [51.208269971019504]
  ClimaXは気象と気候科学のディープラーニングモデルである。 気候データセットの自己教師型学習目標で事前トレーニングすることができる。 気候や気候の様々な問題に対処するために、微調整が可能である。
  論文  参考訳（メタデータ） (2023-01-24T23:19:01Z)
• TimeKit: A Time-series Forecasting-based Upgrade Kit for Collaborative Filtering [19.105479266011322]
  時系列予測に基づくRecommenderシステムのためのアップグレードキット(TimeKit)を提案する。 提案したアップグレードキットは,既存の協調フィルタリングアルゴリズムを大幅に強化できることを示す。
  論文  参考訳（メタデータ） (2022-11-08T14:16:59Z)
• DeepVol: Volatility Forecasting from High-Frequency Data with Dilated Causal Convolutions [53.37679435230207]
  本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。 実験結果から,提案手法は高頻度データからグローバルな特徴を効果的に学習できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-23T16:13:47Z)
• Physics Informed Shallow Machine Learning for Wind Speed Prediction [66.05661813632568]
  イタリアの32カ所の標高10mの風速計から観測された大量の風のデータセットを分析した。 我々は、過去の風の履歴を用いて教師あり学習アルゴリズムを訓練し、その価値を将来予測する。 最適設計と性能は場所によって異なることがわかった。
  論文  参考訳（メタデータ） (2022-04-01T14:55:10Z)
• SubseasonalClimateUSA: A Dataset for Subseasonal Forecasting and Benchmarking [20.442879707675115]
  SubseasonalClimateUSAは、米国におけるサブシーズン予測モデルのトレーニングとベンチマークのための、キュレートされたデータセットである。 このデータセットを使用して、操作力学モデル、古典的気象ベースライン、最先端の機械学習10、文献からのディープラーニングベースのメソッドなど、さまざまなモデルのスイートをベンチマークします。
  論文  参考訳（メタデータ） (2021-09-21T18:42:10Z)
• Learning summary features of time series for likelihood free inference [93.08098361687722]
  時系列データから要約機能を自動的に学習するためのデータ駆動型戦略を提案する。 以上の結果から,データから要約的特徴を学習することで,手作りの値に基づいてLFI手法よりも優れる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-12-04T19:21:37Z)
• Improved Predictive Deep Temporal Neural Networks with Trend Filtering [22.352437268596674]
  本稿では,ディープニューラルネットワークとトレンドフィルタリングに基づく新しい予測フレームワークを提案する。 我々は,学習データをトレンドフィルタリングによって時間的に処理した場合,深部時相ニューラルネットワークの予測性能が向上することを明らかにする。
  論文  参考訳（メタデータ） (2020-10-16T08:29:36Z)
• Automatic deep learning for trend prediction in time series data [0.0]
  時系列データのトレンドを予測するためにディープニューラルネットワーク(DNN)アルゴリズムが検討されている。 多くの実世界のアプリケーションでは、時系列データは動的システムから取得される。 モデル開発プロセスを自動化するために,最新のAutoMLツールを効果的に利用する方法を示す。
  論文  参考訳（メタデータ） (2020-09-17T19:47:05Z)

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。