論文の概要: OKG-LLM: Aligning Ocean Knowledge Graph with Observation Data via LLMs for Global Sea Surface Temperature Prediction

• arxiv url: http://arxiv.org/abs/2508.00933v1
• Date: Thu, 31 Jul 2025 02:06:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 18:25:21.632545
• Title: OKG-LLM: Aligning Ocean Knowledge Graph with Observation Data via LLMs for Global Sea Surface Temperature Prediction
• Title（参考訳）: OKG-LLM:世界海面温度予測のためのLLMによる観測データ付き海洋知識グラフの調整
• Authors: Hanchen Yang, Jiaqi Wang, Jiannong Cao, Wengen Li, Jialun Zheng, Yangning Li, Chunyu Miao, Jihong Guan, Shuigeng Zhou, Philip S. Yu,
• Abstract要約: この研究は、SST予測のための多様な海洋知識を表現するために特別に設計された海洋知識グラフ(OKG)を構築するための最初の体系的な取り組みを示す。 最後に, 学習知識を微粒な数値SSTデータと整列させ, 事前学習したLLMを用いてSSTパターンをモデル化し, 正確な予測を行う。
• 参考スコア（独自算出の注目度）: 70.48962924608033
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Sea surface temperature (SST) prediction is a critical task in ocean science, supporting various applications, such as weather forecasting, fisheries management, and storm tracking. While existing data-driven methods have demonstrated significant success, they often neglect to leverage the rich domain knowledge accumulated over the past decades, limiting further advancements in prediction accuracy. The recent emergence of large language models (LLMs) has highlighted the potential of integrating domain knowledge for downstream tasks. However, the application of LLMs to SST prediction remains underexplored, primarily due to the challenge of integrating ocean domain knowledge and numerical data. To address this issue, we propose Ocean Knowledge Graph-enhanced LLM (OKG-LLM), a novel framework for global SST prediction. To the best of our knowledge, this work presents the first systematic effort to construct an Ocean Knowledge Graph (OKG) specifically designed to represent diverse ocean knowledge for SST prediction. We then develop a graph embedding network to learn the comprehensive semantic and structural knowledge within the OKG, capturing both the unique characteristics of individual sea regions and the complex correlations between them. Finally, we align and fuse the learned knowledge with fine-grained numerical SST data and leverage a pre-trained LLM to model SST patterns for accurate prediction. Extensive experiments on the real-world dataset demonstrate that OKG-LLM consistently outperforms state-of-the-art methods, showcasing its effectiveness, robustness, and potential to advance SST prediction. The codes are available in the online repository.
• Abstract（参考訳）: 海面温度(SST)予測は海洋科学において重要な課題であり、天気予報、漁業管理、嵐追跡など様々な応用をサポートする。 既存のデータ駆動手法は大きな成功を収めているが、過去数十年にわたって蓄積された豊富なドメイン知識を活用することは無視されることが多く、予測精度のさらなる進歩を制限している。 最近の大規模言語モデル(LLM)の出現は、下流タスクにドメイン知識を統合する可能性を強調している。 しかし、LLMのSST予測への応用は、主に海洋領域の知識と数値データを統合することの難しさから、まだ探索されていない。 そこで本研究では,グローバルSST予測のための新しいフレームワークであるOcean Knowledge Graph-enhanced LLM (OKG-LLM)を提案する。 我々の知る限り、この研究はSST予測のための多様な海洋知識を表現するために特別に設計された海洋知識グラフ(OKG)を構築するための最初の体系的な取り組みを示す。 そこで我々は,OKG内の包括的意味と構造的知識を学習するためのグラフ埋め込みネットワークを開発し,個々の海域の特徴とそれら間の複雑な相関性の両方を捉える。 最後に、学習した知識を微粒な数値SSTデータと整合させて融合させ、事前学習したLCMを用いてSSTパターンをモデル化して正確な予測を行う。 実世界のデータセットに対する大規模な実験により、OKG-LLMは最先端の手法より一貫して優れており、その有効性、堅牢性、SST予測を前進させる可能性を示している。 コードはオンラインリポジトリで入手できる。

関連論文リスト

• Deep Learning Weather Models for Subregional Ocean Forecasting: A Case Study on the Canary Current Upwelling System [0.0]
  本研究は,当初グローバル気象予報のために開発されたグラフニューラルネットワークを応用し,地域の海洋予測を改善することを目的としている。 このモデルは衛星データを用いて訓練され、海洋力学を捉える際の性能を評価するために最先端の物理海洋モデルと比較される。 以上の結果から, 深層学習モデルは, 高度化に課題があるにもかかわらず, 従来の手法を超越していることがわかった。
  論文  参考訳（メタデータ） (2025-05-30T10:10:40Z)
• Efficient Self-Supervised Learning for Earth Observation via Dynamic Dataset Curation [67.23953699167274]
  自己教師付き学習(SSL)により、地球観測のための視覚基盤モデルの開発が可能になった。 EOでは、この課題は衛星画像に共通する冗長性と重尾分布によって増幅される。 本稿では,データセットの多様性とバランスを最大化し,SSL事前トレーニングを改善するために設計された動的データセットプルーニング戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-09T15:13:26Z)
• Conservation-informed Graph Learning for Spatiotemporal Dynamics Prediction [84.26340606752763]
  本稿では,保護インフォームドGNN(CiGNN)について紹介する。 このネットワークは、保守的かつ非保守的な情報が、潜時的行進戦略によって多次元空間を通過する対称性による一般的な対称性保存則に従うように設計されている。 結果は,CiGNNが顕著なベースライン精度と一般化性を示し,様々な時間的ダイナミクスの予測のための学習に容易に適用可能であることを示した。
  論文  参考訳（メタデータ） (2024-12-30T13:55:59Z)
• Deep Learning for Sea Surface Temperature Reconstruction under Cloud Occlusion [34.00878406145686]
  まず,MODIS Aqua 夜間 L3 画像から雲に覆われた領域を埋める機械学習モデルについて述べる。 この課題に対処するために,衛星画像の雲に覆われた部分を再構成するために,畳み込みニューラルネットワークモデル(U-net)を用いた。 我々の最も優れたアーキテクチャは、確立されたギャップ充足法よりも50%低いルート平均二乗誤差を示す。
  論文  参考訳（メタデータ） (2024-12-04T15:49:49Z)
• Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
  我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。 我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。 この手法を現実のシナリオに適用するのは,私たちが初めてです。
  論文  参考訳（メタデータ） (2023-12-18T09:05:28Z)
• GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
  大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。 我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。 実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
  論文  参考訳（メタデータ） (2023-10-10T00:03:23Z)
• Multi-decadal Sea Level Prediction using Neural Networks and Spectral Clustering on Climate Model Large Ensembles and Satellite Altimeter Data [0.0]
  本稿では,この長期海水準予測の挑戦的応用における機械学習(ML)の可能性を示す。 我々は,海面トレンドを予測できる完全連結ニューラルネットワーク(FCNN)を用いた教師あり学習フレームワークを開発した。 また、空間データセットを分割し、各セグメント領域に専用のMLモデルを学習する効果を示す。
  論文  参考訳（メタデータ） (2023-10-06T19:06:43Z)
• Learning to Predict Navigational Patterns from Partial Observations [63.04492958425066]
  本稿では,実環境におけるナビゲーションのパターンを,部分的な観察のみから推測する,初めての自己教師型学習(SSL)手法を提案する。 我々は、DSLPフィールドに最大極大グラフを適合させることにより、グローバルなナビゲーションパターンを推論する方法を実証する。 実験により,我々のSSLモデルはnuScenesデータセット上で2つのSOTA教師付きレーングラフ予測モデルより優れていることが示された。
  論文  参考訳（メタデータ） (2023-04-26T02:08:46Z)
• Physical Knowledge Enhanced Deep Neural Network for Sea Surface Temperature Prediction [29.989387641655625]
  本研究では,歴史的観測から数値モデルへ物理知識を伝達する海面温度予測手法を提案する。 具体的には,エンコーダとGAN(Generative Adversarial Network)を組み合わせて,観測データから物理知識を抽出する。 数値モデルデータは、事前訓練されたモデルに入力され、物理強調データを生成し、SST予測に使用することができる。
  論文  参考訳（メタデータ） (2023-04-19T02:08:54Z)
• Towards Spatio-temporal Sea Surface Temperature Forecasting via Static and Dynamic Learnable Personalized Graph Convolution Network [9.189893653029076]
  本稿では,静的で動的に学習可能なグラフ畳み込みネットワーク(SD-LPGC)を提案する。 具体的には、SST信号に隠された安定な長期的および短期的な進化パターンをモデル化するために、2つのグラフ学習層が構築される。 そして、学習可能なパーソナライズされた畳み込み層が、この情報を融合するように設計されている。
  論文  参考訳（メタデータ） (2023-04-12T14:35:38Z)
• Predicting Critical Biogeochemistry of the Southern Ocean for Climate Monitoring [1.8689461238197955]
  我々は、南洋のケイ酸塩とリン酸塩の値を、温度、圧力、塩分濃度、酸素、硝酸塩、位置から予測するためにニューラルネットワークを訓練する。 これらのモデルを地球系モデル(ESM)およびBGC-Argoデータに適用し、この海洋観測ネットワークの有用性を拡大する。
  論文  参考訳（メタデータ） (2021-10-30T00:13:46Z)

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。