論文の概要: Multi-site modelling and reconstruction of past extreme skew surges along the French Atlantic coast

• arxiv url: http://arxiv.org/abs/2505.00835v1
• Date: Thu, 01 May 2025 19:51:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-05 17:21:19.819426
• Title: Multi-site modelling and reconstruction of past extreme skew surges along the French Atlantic coast
• Title（参考訳）: フレンチ大西洋沿岸における過去極端スキュー・サージの多地点モデリングと復元
• Authors: Nathan Huet, Philippe Naveau, Anne Sabourin,
• Abstract要約: 本研究は,フランス大西洋岸の急激なスキュー・サージをモデル化することに焦点を当てた。 上述の観測を極端に分類できる適切なレベル(閾値)を決定するための新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 1.0338669373504403
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Appropriate modelling of extreme skew surges is crucial, particularly for coastal risk management. Our study focuses on modelling extreme skew surges along the French Atlantic coast, with a particular emphasis on investigating the extremal dependence structure between stations. We employ the peak-over-threshold framework, where a multivariate extreme event is defined whenever at least one location records a large value, though not necessarily all stations simultaneously. A novel method for determining an appropriate level (threshold) above which observations can be classified as extreme is proposed. Two complementary approaches are explored. First, the multivariate generalized Pareto distribution is employed to model extremes, leveraging its properties to derive a generative model that predicts extreme skew surges at one station based on observed extremes at nearby stations. Second, a novel extreme regression framework is assessed for point predictions. This specific regression framework enables accurate point predictions using only the "angle" of input variables, i.e. input variables divided by their norms. The ultimate objective is to reconstruct historical skew surge time series at stations with limited data. This is achieved by integrating extreme skew surge data from stations with longer records, such as Brest and Saint-Nazaire, which provide over 150 years of observations.
• Abstract（参考訳）: 過度のスキュー・サージの適切なモデリングは、特に沿岸のリスク管理に不可欠である。 本研究は,フランス大西洋沿岸の急激なスキュー・サージをモデル化することに焦点を当て,特に駅間の過渡的依存構造の調査に重点を置いている。 我々はピーク・オーバー・スレッショルド・フレームワークを用いており、少なくとも1つの位置が大きな値を記録している場合、同時に複数の極端事象が定義されるが、必ずしも全ての局が同時に発生するわけではない。 上述の観測を極端に分類できる適切なレベル(閾値)を決定するための新しい手法を提案する。 2つの補完的なアプローチが検討されている。 まず、多変量一般化されたパレート分布を用いて極端をモデル化し、その特性を利用して、近くの駅で観測された極端に基づいて、ある駅での極端なスキューサージを予測する生成モデルを導出する。 第二に、新たな極端な回帰フレームワークがポイント予測のために評価される。 この特定の回帰フレームワークは、入力変数の「角度」のみを用いて正確な点予測を可能にする。 最終的な目的は、限られたデータで歴史的なスクリューサージ時系列を復元することである。 これは、ブレストやサン=ナザイアのようなより長い記録を持つ観測所からの極端なスキューサージデータを統合することで達成され、150年以上にわたって観測された。

関連論文リスト

• Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
  量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。 本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。 これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
  論文  参考訳（メタデータ） (2024-06-05T13:36:38Z)
• Distribution-Free Conformal Joint Prediction Regions for Neural Marked Temporal Point Processes [4.324839843326325]
  我々は、共形予測の枠組みを用いて、ニューラルTPPモデルにおける不確実性に対するより信頼性の高い手法を開発した。 主な目的は、イベントの到着時刻とマークに対する分布自由な共同予測領域を生成し、有限サンプルの限界カバレッジを保証することである。
  論文  参考訳（メタデータ） (2024-01-09T15:28:29Z)
• 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)
• Neural Networks for Extreme Quantile Regression with an Application to Forecasting of Flood Risk [0.0]
  本稿では,ニューラルネットワークと極値理論を組み合わせたEQRNモデルを提案する。 本研究では,スイス・アーレ流域の洪水リスク予測に本手法を適用した。
  論文  参考訳（メタデータ） (2022-08-16T08:02:49Z)
• Learning Interpretable Deep State Space Model for Probabilistic Time Series Forecasting [98.57851612518758]
  確率的時系列予測は、その歴史に基づいて将来の分布を推定する。 本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。 実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
  論文  参考訳（メタデータ） (2021-01-31T06:49:33Z)
• Long-Short Term Spatiotemporal Tensor Prediction for Passenger Flow Profile [15.875569404476495]
  本稿では,テンソルに基づく予測に焦点をあて,予測を改善するためのいくつかの実践的手法を提案する。 具体的には、長期予測のために「テンソル分解+2次元自己回帰移動平均(2D-ARMA)」モデルを提案する。 短期予測のために,テンソルクラスタリングに基づくテンソル補完を行い,過度に単純化され精度が保証されるのを避けることを提案する。
  論文  参考訳（メタデータ） (2020-04-23T08:30:00Z)

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。