論文の概要: A Study on Monthly Marine Heatwave Forecasts in New Zealand: An Investigation of Imbalanced Regression Loss Functions with Neural Network Models

• arxiv url: http://arxiv.org/abs/2502.13495v1
• Date: Wed, 19 Feb 2025 07:27:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-20 13:58:40.016064
• Title: A Study on Monthly Marine Heatwave Forecasts in New Zealand: An Investigation of Imbalanced Regression Loss Functions with Neural Network Models
• Title（参考訳）: ニュージーランドにおける月毎熱波予測に関する研究:ニューラルネットワークモデルによる不均衡回帰損失関数の検討
• Authors: Ding Ning, Varvara Vetrova, Sébastien Delaux, Rachael Tappenden, Karin R. Bryan, Yun Sing Koh,
• Abstract要約: 海洋熱波(英: Marine heatwaves、MHWs)は、海洋生態系や関連産業に大きな影響を及ぼす極端な海洋温度の現象である。 予測MHWは、より頻繁な中等度条件と比較して、極端温度異常の希少性に起因する、困難な不均衡回帰課題を示す。 我々は、完全に接続されたニューラルネットワークを用いて、平均二乗誤差(MSE)、平均絶対誤差(MAE)、フーバー、重み付きMSE、焦点R、バランス付きMSE、提案されたスケーリング重み付きMSEなど、標準および特殊回帰損失関数を比較する。
• 参考スコア（独自算出の注目度）: 3.5638052139155105
• License:
• Abstract: Marine heatwaves (MHWs) are extreme ocean-temperature events with significant impacts on marine ecosystems and related industries. Accurate forecasts (one to six months ahead) of MHWs would aid in mitigating these impacts. However, forecasting MHWs presents a challenging imbalanced regression task due to the rarity of extreme temperature anomalies in comparison to more frequent moderate conditions. In this study, we examine monthly MHW forecasts for 12 locations around New Zealand. We use a fully-connected neural network and compare standard and specialized regression loss functions, including the mean squared error (MSE), the mean absolute error (MAE), the Huber, the weighted MSE, the focal-R, the balanced MSE, and a proposed scaling-weighted MSE. Results show that (i) short lead times (one month) are considerably more predictable than three- and six-month leads, (ii) models trained with the standard MSE or MAE losses excel at forecasting average conditions but struggle to capture extremes, and (iii) specialized loss functions such as the balanced MSE and our scaling-weighted MSE substantially improve forecasting of MHW and suspected MHW events. These findings underscore the importance of tailored loss functions for imbalanced regression, particularly in forecasting rare but impactful events such as MHWs.
• Abstract（参考訳）: 海洋熱波(英: Marine heatwaves、MHWs)は、海洋生態系や関連産業に大きな影響を及ぼす極端な海洋温度の現象である。 MHWの正確な予測(1～6カ月前)は、これらの影響緩和に役立つだろう。 しかし、MHWの予測は、より頻繁な中等度条件に比べて極端温度異常の頻度が高いため、困難な不均衡回帰課題を示す。 本研究では,ニュージーランド周辺の12カ所の月次MHW予測について検討した。 我々は、完全に接続されたニューラルネットワークを用いて、平均二乗誤差(MSE)、平均絶対誤差(MAE)、フーバー、重み付きMSE、焦点R、バランス付きMSE、提案されたスケーリング重み付きMSEなど、標準および特殊回帰損失関数を比較する。 その結果は (i)短いリードタイム(1ヶ月)は3ヶ月と6ヶ月のリードよりもかなり予測可能である。 二 平均条件予測において標準MSE又はMAE損失を訓練したモデルであって、極度の達成に苦慮しているもの (3)MHWの予測やMHWイベントの疑わしい事象の予測は,バランスの取れたMSEやスケーリング重み付きMSEのような特殊な損失関数により大幅に改善される。 これらの結果は、特にMHWsのような稀だが影響のある事象の予測において、不均衡回帰のための調整された損失関数の重要性を浮き彫りにした。

関連論文リスト

• Uncertainty quantification for White Matter Hyperintensity segmentation detects silent failures and improves automated Fazekas quantification [3.1773635209430036]
  ホワイトマター・ハイパーインテンシティ(White Matter Hyperintensities、WMH)は、脳MRIに存在する小血管疾患の主要な神経放射線学的マーカーである。 WMHは, 形状, 位置, サイズ, 未定義境界, および他の病理と類似の強度プロファイルにより, セグメンテーションが困難である。 WMHの不確実性情報を組み込むことで,ファゼカス分類性能と校正性能が向上することを示す。
  論文  参考訳（メタデータ） (2024-11-26T16:34:24Z)
• Machine learning models for daily rainfall forecasting in Northern Tropical Africa using tropical wave predictors [0.0]
  数値気象予報(NWP)モデルは、北熱帯アフリカにおけるより単純な気候学に基づく降水予測と比較すると性能が劣ることが多い。 本研究では,ガンマ回帰モデルと熱帯波(TW)で学習した畳み込みニューラルネットワーク(CNN)の2つの機械学習モデルを用いて,7～9月のモンスーンシーズンの日降雨を予測する。
  論文  参考訳（メタデータ） (2024-08-29T08:36:22Z)
• 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)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• FuXi: A cascade machine learning forecasting system for 15-day global weather forecast [34.812266901884996]
  FuXiは、時間分解能6時間、空間分解能0.25度で世界15日間の天気予報を提供する機械学習天気予報システムである。 FuXiは15日間の予測でECMWF EMと同等の性能を示しており、この達成を達成したMLベースの天気予報システムとしては初めてのものである。
  論文  参考訳（メタデータ） (2023-06-22T13:34:26Z)
• Forecast reconciliation for vaccine supply chain optimization [61.13962963550403]
  ワクチンサプライチェーン最適化は階層的な時系列予測の恩恵を受けることができる。 異なる階層レベルの予測は、上位レベルの予測が下位レベルの予測の総和と一致しないときに不整合となる。 我々は2010年から2021年にかけてのGSKの販売データを階層的時系列としてモデル化し,ワクチン販売予測問題に取り組む。
  論文  参考訳（メタデータ） (2023-05-02T14:34:34Z)
• Probable Domain Generalization via Quantile Risk Minimization [90.15831047587302]
  ドメインの一般化は、目に見えないテスト分布でうまく機能する予測子を求める。 我々はDGのための新しい確率的フレームワークを提案し、高い確率でよく動作する予測器を学習することを目指している。
  論文  参考訳（メタデータ） (2022-07-20T14:41:09Z)
• Global Extreme Heat Forecasting Using Neural Weather Models [0.0]
  熱波は地球温暖化に伴う頻度と重症度の増加を予測している。 本研究では,過去データに基づいて学習した深層学習システムが,短・中・下季節の時間スケールで極端な熱を予測できる可能性を探る。
  論文  参考訳（メタデータ） (2022-05-23T00:35:23Z)
• When in Doubt: Neural Non-Parametric Uncertainty Quantification for Epidemic Forecasting [70.54920804222031]
  既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。 不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。 本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-07T18:31:47Z)
• Physics-Informed Gaussian Process Regression for Probabilistic States Estimation and Forecasting in Power Grids [67.72249211312723]
  電力グリッドの効率的な運転にはリアルタイム状態推定と予測が不可欠である。 PhI-GPRは3世代電力系統の位相角,角速度,風力の予測と推定に使用される。 提案手法は観測された状態と観測されていない状態の両方を正確に予測し,推定することができることを示す。
  論文  参考訳（メタデータ） (2020-10-09T14:18:31Z)

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。