Fugu-MT 論文翻訳(概要): The geomagnetic storm and Kp prediction using Wasserstein transformer

論文の概要: The geomagnetic storm and Kp prediction using Wasserstein transformer

arxiv url: http://arxiv.org/abs/2503.23102v1
Date: Sat, 29 Mar 2025 14:39:42 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-01 14:32:39.712611
Title: The geomagnetic storm and Kp prediction using Wasserstein transformer
Title（参考訳）: ワッサーシュタイン変圧器を用いた地磁気嵐とKp予測
Authors: Beibei Li,
Abstract要約: 不均一なデータソースを統合することで,3日と5日の惑星Kp指数を予測する新しい枠組みを提案する。重要な革新は、ワッサーシュタイン距離を変換器に組み入れることと、モダリティ間の確率分布を整列させる損失関数である。
参考スコア（独自算出の注目度）: 1.1272369832509876
License:
Abstract: The accurate forecasting of geomagnetic activity is important. In this work, we present a novel multimodal Transformer based framework for predicting the 3 days and 5 days planetary Kp index by integrating heterogeneous data sources, including satellite measurements, solar images, and KP time series. A key innovation is the incorporation of the Wasserstein distance into the transformer and the loss function to align the probability distributions across modalities. Comparative experiments with the NOAA model demonstrate performance, accurately capturing both the quiet and storm phases of geomagnetic activity. This study underscores the potential of integrating machine learning techniques with traditional models for improved real time forecasting.
Abstract（参考訳）: 地磁気活動の正確な予測は重要である。本研究では、衛星計測、太陽画像、KP時系列を含む異種データソースを統合することで、3日間、5日間の惑星Kp指数を予測するための新しいマルチモーダルトランスフォーマーベースのフレームワークを提案する。重要な革新は、ワッサーシュタイン距離を変換器に組み入れることと、モダリティ間の確率分布を整列させる損失関数である。 NOAAモデルとの比較実験は、静電気活動の静電気と嵐の両方の位相を正確に捉えた性能を示す。本研究は,機械学習技術を従来のモデルと統合し,リアルタイム予測を改善する可能性を明らかにする。

関連論文リスト

Magnetic Field Data Calibration with Transformer Model Using Physical Constraints: A Scalable Method for Satellite Missions, Illustrated by Tianwen-1 [3.4775479922416292]
本研究は、天wen-1火星ミッションの磁場データ補正と、マクスウェル方程式に制約されたニューラルネットワークアーキテクチャを統合する新しいアプローチを提案する。トランスフォーマーモデルを用いることで、衛星力学、機器干渉、環境騒音による計測異常を補正する。
論文参考訳（メタデータ） (2024-12-16T11:35:40Z)
Enhancing Multivariate Time Series-based Solar Flare Prediction with Multifaceted Preprocessing and Contrastive Learning [0.9374652839580181]
正確な太陽フレア予測は、宇宙飛行士、宇宙機器、衛星通信システムに強い太陽フレアがもたらす重大なリスクのために重要である。本研究は、先進的なデータ前処理と分類手法を利用して、太陽フレア予測を強化する。
論文参考訳（メタデータ） (2024-09-21T05:00:34Z)
A Novel Hybrid Approach for Tornado Prediction in the United States: Kalman-Convolutional BiLSTM with Multi-Head Attention [9.51657235413336]
竜巻は最も激しい大気渦現象の1つであり、検出と予測に重大な課題を提起している。地上観測やレーダーデータに大きく依存する従来の手法は、遠距離での精度の低下や偽陽性率の上昇といった問題によって制限されている。本研究では,Multi-Radar Multi-Sensor(MRMS)システムからSeamless Hybrid Scan Reflectivityデータセットを用いて精度を向上させる。 Kalman-Convolutional BiLSTMとMulti-Head Attentionというハイブリッドモデルを導入し、動的状態推定を改善し、データ内の空間的および時間的依存関係をキャプチャする。
論文参考訳（メタデータ） (2024-08-05T18:11:23Z)
TriQXNet: Forecasting Dst Index from Solar Wind Data Using an Interpretable Parallel Classical-Quantum Framework with Uncertainty Quantification [2.1940162009107382]
地磁気嵐はGPS、衛星通信、電力網などの重要なインフラを破壊する可能性がある。本研究は、Dst予測のためのハイブリッド古典量子ニューラルネットワークであるTriQXNetを紹介する。我々のモデルは、古典的および量子コンピューティング、共形予測、およびハイブリッドアーキテクチャ内に説明可能なAI(XAI)を統合する。
論文参考訳（メタデータ） (2024-07-09T08:30:42Z)
AMP: Autoregressive Motion Prediction Revisited with Next Token Prediction for Autonomous Driving [59.94343412438211]
本稿では,GPT方式の次のトークン動作予測を動作予測に導入する。同種単位-ワードからなる言語データとは異なり、運転シーンの要素は複雑な空間的・時間的・意味的な関係を持つ可能性がある。そこで本稿では,情報集約と位置符号化スタイルの異なる3つの因子化アテンションモジュールを用いて,それらの関係を捉えることを提案する。
論文参考訳（メタデータ） (2024-03-20T06:22:37Z)
Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
論文参考訳（メタデータ） (2023-11-30T08:22:08Z)
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)
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)
A Deep Learning Approach to Dst Index Prediction [1.3212032015497979]
乱れ嵐時(Dst)指数は、宇宙気象研究において重要かつ有用な測定である。本稿では,Dst Transformerと呼ばれる新しい深層学習手法を提案する。
論文参考訳（メタデータ） (2022-05-05T05:37:06Z)
TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
論文参考訳（メタデータ） (2022-02-07T21:37:29Z)
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。