論文の概要: Localized Weather Prediction Using Kolmogorov-Arnold Network-Based Models and Deep RNNs

• arxiv url: http://arxiv.org/abs/2505.22686v1
• Date: Tue, 27 May 2025 18:01:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.438176
• Title: Localized Weather Prediction Using Kolmogorov-Arnold Network-Based Models and Deep RNNs
• Title（参考訳）: Kolmogorov-Arnoldネットワークモデルと深部RNNを用いた局部気象予測
• Authors: Ange-Clement Akazan, Verlon Roel Mbingui, Gnankan Landry Regis N'guessan, Issa Karambal,
• Abstract要約: 本研究では,2つの熱帯都市の気温,降水量,気圧を毎日予測するために,textttLSTM, GRU, BiLSTM, BiGRU$, Kolmogorov-Arnold ベースのモデル $(texttKAN および textttTKAN)$ などの深部リカレントニューラルネットワークをベンチマークする。 元の$textttSiLU$ アクティベーション関数を $ textttGeLU$ と $ textttGeLU$ に置き換える。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Weather forecasting is crucial for managing risks and economic planning, particularly in tropical Africa, where extreme events severely impact livelihoods. Yet, existing forecasting methods often struggle with the region's complex, non-linear weather patterns. This study benchmarks deep recurrent neural networks such as $\texttt{LSTM, GRU, BiLSTM, BiGRU}$, and Kolmogorov-Arnold-based models $(\texttt{KAN} and \texttt{TKAN})$ for daily forecasting of temperature, precipitation, and pressure in two tropical cities: Abidjan, Cote d'Ivoire (Ivory Coast) and Kigali (Rwanda). We further introduce two customized variants of $ \texttt{TKAN}$ that replace its original $\texttt{SiLU}$ activation function with $ \texttt{GeLU}$ and \texttt{MiSH}, respectively. Using station-level meteorological data spanning from 2010 to 2024, we evaluate all the models on standard regression metrics. $\texttt{KAN}$ achieves temperature prediction ($R^2=0.9986$ in Abidjan, $0.9998$ in Kigali, $\texttt{MSE} < 0.0014~^\circ C ^2$), while $\texttt{TKAN}$ variants minimize absolute errors for precipitation forecasting in low-rainfall regimes. The customized $\texttt{TKAN}$ models demonstrate improvements over the standard $\texttt{TKAN}$ across both datasets. Classical \texttt{RNNs} remain highly competitive for atmospheric pressure ($R^2 \approx 0.83{-}0.86$), outperforming $\texttt{KAN}$-based models in this task. These results highlight the potential of spline-based neural architectures for efficient and data-efficient forecasting.
• Abstract（参考訳）: 気象予報はリスクや経済計画の管理に不可欠であり、特に熱帯アフリカでは極端な出来事が生活に深刻な影響を及ぼす。 しかし、既存の予測手法は、地域が複雑で非線形の気象パターンに苦しむことが多い。 本研究は、Abidjan, Cote d'Ivoire (Ivory Coast) と Kigali (Rwanda) の2つの熱帯都市における、毎日の気温、降水量、圧力の予測のために、$\textt{LSTM, GRU, BiLSTM, BiGRU}$, and Kolmogorov-Arnold-based model $(\texttt{KAN} and \texttt{TKAN})$などの深いリカレントニューラルネットワークをベンチマークする。 さらに、オリジナルの $\texttt{SiLU}$ アクティベーション関数を $ \textt{GeLU}$ と \texttt{MiSH} に置き換える、$ \textt{TKAN}$ のカスタマイズされた2つのバリエーションを導入します。 2010年から2024年までの局面気象データを用いて,標準回帰指標を用いてすべてのモデルを評価する。 温度予測 (R^2=0.9986$, $0.9998$, $\texttt{MSE} < 0.0014~^\circ C ^2$), $\texttt{TKAN}$は降水量予測の絶対誤差を最小化する。 カスタマイズされた$\textt{TKAN}$モデルは、両方のデータセットで標準の$\textt{TKAN}$よりも改善されている。 R^2 \approx 0.83{-}0.86$)は、このタスクにおいて$\texttt{KAN}$ベースモデルよりも優れている。 これらの結果は、効率的でデータ効率のよい予測のためのスプラインベースのニューラルアーキテクチャの可能性を強調している。

関連論文リスト

• Neural and Time-Series Approaches for Pricing Weather Derivatives: Performance and Regime Adaptation Using Satellite Data [0.0]
  本稿では,温度と降水量に関する気象デリバティブ(WD)契約の価格について検討する。 我々は、フィードフォワードニューラルネットワーク(NN)に対してハーモニック回帰/ARMAモデルをベンチマークし、NNがサンプル外平均二乗誤差(MSE)を低減することを発見した。 降水には多季にわたる30日間の降雨シーケンスでトレーニングされた畳み込みニューラルネットワーク(CNN)を用いて,形状とスケールパラメータを最大推定(MLE)および推定する。
  論文  参考訳（メタデータ） (2024-11-18T19:54:28Z)
• Inertial Confinement Fusion Forecasting via Large Language Models [48.76222320245404]
  本研究では,従来の貯水池計算パラダイムとLarge Language Models(LLM)の新たな統合である$textbfLPI-LLM$を紹介する。 我々は、$textitLLM-anchored Reservoir$, augmented with a $textitFusion-specific Prompt$を提案する。 また、最初の$textttLPI$ベンチマークである$textbfLPI4AI$も提示します。
  論文  参考訳（メタデータ） (2024-07-15T05:46:44Z)
• Time-Series Foundation Models for Forecasting Soil Moisture Levels in Smart Agriculture [1.0323063834827413]
  本研究は土壌水ポテンシャルを予測するため,SOTA (State-of-the-art) 時系列基盤モデルである $texttTimeGPT$ を新たに適用した。 我々の結果は、$textttTimeGPT$が、過去の$psi_mathrmsoil$データのみを使用して、競合予測精度を達成することを示す。
  論文  参考訳（メタデータ） (2024-05-29T09:16:03Z)
• 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)
• Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast [91.9372563527801]
  我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。 初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。 Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
  論文  参考訳（メタデータ） (2022-11-03T17:19:43Z)
• Datamodels: Predicting Predictions from Training Data [86.66720175866415]
  本稿では,モデルクラスの振る舞いを学習データの観点から分析するための概念的枠組みであるデータモデリングについて述べる。 単純な線形データモデルであっても、モデル出力をうまく予測できることが示される。
  論文  参考訳（メタデータ） (2022-02-01T18:15:24Z)
• COVID-19 Pneumonia Severity Prediction using Hybrid Convolution-Attention Neural Architectures [6.162410142452926]
  本稿では,調査データセットの極めて少ないデータシナリオを対象とした,データ中心の事前学習を提案する。 次に,TransformerとDense Associative Memoryの自己アテンションを利用した2つのハイブリッド畳み込み型ニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-06T15:26:07Z)
• A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
  本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。 提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
  論文  参考訳（メタデータ） (2020-06-13T20:53:17Z)

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。