論文の概要: Huracan: A skillful end-to-end data-driven system for ensemble data assimilation and weather prediction
- arxiv url: http://arxiv.org/abs/2508.18486v1
- Date: Mon, 25 Aug 2025 20:55:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-27 17:42:38.594663
- Title: Huracan: A skillful end-to-end data-driven system for ensemble data assimilation and weather prediction
- Title（参考訳）: Huracan: アンサンブルデータ同化と天気予報のための熟練したエンドツーエンドデータ駆動システム
- Authors: Zekun Ni, Jonathan Weyn, Hang Zhang, Yanfei Xiang, Jiang Bian, Weixin Jin, Kit Thambiratnam, Qi Zhang, Haiyu Dong, Hongyu Sun,
- Abstract要約: Huracanは、アンサンブルデータ同化モデルと予測モデルを組み合わせた観測駆動の天気予報システムである。
最先端のNWP競合であるECMWF ENSに匹敵する精度を達成した最初のエンドツーエンドシステムである。
我々の研究は、エンドツーエンドのデータ駆動天気予報の大きな一歩であり、運用天気予報をさらに改善し、革新する機会を開く。
- 参考スコア（独自算出の注目度）: 13.276021120809508
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Over the past few years, machine learning-based data-driven weather prediction has been transforming operational weather forecasting by providing more accurate forecasts while using a mere fraction of computing power compared to traditional numerical weather prediction (NWP). However, those models still rely on initial conditions from NWP, putting an upper limit on their forecast abilities. A few end-to-end systems have since been proposed, but they have yet to match the forecast skill of state-of-the-art NWP competitors. In this work, we propose Huracan, an observation-driven weather forecasting system which combines an ensemble data assimilation model with a forecast model to produce highly accurate forecasts relying only on observations as inputs. Huracan is not only the first to provide ensemble initial conditions and end-to-end ensemble weather forecasts, but also the first end-to-end system to achieve an accuracy comparable with that of ECMWF ENS, the state-of-the-art NWP competitor, despite using a smaller amount of available observation data. Notably, Huracan matches or exceeds the continuous ranked probability score of ECMWF ENS on 75.4% of the variable and lead time combinations. Our work is a major step forward in end-to-end data-driven weather prediction and opens up opportunities for further improving and revolutionizing operational weather forecasting.
- Abstract（参考訳）: 過去数年間、機械学習に基づくデータ駆動の天気予報は、従来の数値天気予報(NWP)に比べて計算能力のごく一部を使用しながら、より正確な天気予報を提供することによって、運用天気予報を変革してきた。
しかし、これらのモデルはまだNWPの初期条件に依存しており、予測能力に上限を課している。
その後、いくつかのエンドツーエンドシステムが提案されているが、最先端のNWP競合の予測スキルとはまだ一致していない。
本研究では,アンサンブルデータ同化モデルと予測モデルを組み合わせた観測型気象予報システムであるHuracanを提案する。
Huracanは、最初のアンサンブル初期条件とエンドツーエンドの天気予報を提供するだけでなく、利用可能な観測データが少ないにもかかわらず、最先端のNWP競合であるECMWF ENSに匹敵する精度を達成した最初のエンドツーエンドシステムでもある。
特に、Huracanは変量とリードタイムの組み合わせの75.4%に対してECMWF ENSの連続的なランク付け確率スコアと一致または超えている。
我々の研究は、エンドツーエンドのデータ駆動天気予報の大きな一歩であり、運用天気予報をさらに改善し、革新する機会を開く。
関連論文リスト
- OneForecast: A Universal Framework for Global and Regional Weather Forecasting [67.61381313555091]
本稿では,グラフニューラルネットワークに基づくグローバルなネスト型気象予報フレームワーク(OneForecast)を提案する。
動的システムパースペクティブとマルチグリッド理論を組み合わせることで,マルチスケールグラフ構造を構築し,対象領域を密度化する。
動的ゲーティングユニットを用いた適応型メッセージング機構を導入し,ノードとエッジ機能を深く統合し,より正確なイベント予測を行う。
論文 参考訳（メタデータ） (2025-02-01T06:49:16Z) - Hybrid Forecasting of Geopolitical Events [71.73737011120103]
SAGEは、人間と機械が生成した予測を組み合わせたハイブリッド予測システムである。
このシステムは、確率と評価されたスキルに基づいて、人間と機械の予測の重み付けを集約する。
機械による予測にアクセスできる熟練した予測者は、過去のデータしか見ていない者よりも優れていた。
論文 参考訳（メタデータ） (2024-12-14T22:09:45Z) - DeepMedcast: A Deep Learning Method for Generating Intermediate Weather Forecasts among Multiple NWP Models [0.0]
2つ以上のNWP出力間の中間予測を生成するディープラーニング手法であるDeepMedcastを提案する。
平均値とは異なり、DeepMedcastは気象学的に重要な特徴が算術平均と一致する予測を提供する。
ケーススタディと検証結果を通じてDeepMedcastの能力を実証する。
論文 参考訳（メタデータ） (2024-11-15T07:42:16Z) - FuXi Weather: A data-to-forecast machine learning system for global weather [13.052716094161886]
FuXi Weatherは、複数の衛星のデータと類似した機械学習の天気予報システムである。
FuXi 気象は、中央アフリカなどの観測圏において、ECMWF HRES を一貫して上回っている。
論文 参考訳（メタデータ） (2024-08-10T07:42:01Z) - Data driven weather forecasts trained and initialised directly from observations [1.44556167750856]
Skilful Machine Learned weather forecasts has challenged our approach to numerical weather prediction。
データ駆動システムは、過去の気象の長い歴史記録から学ぶことによって、将来の天気を予測するために訓練されている。
そこで我々は,ニューラルネットワークをトレーニングし,過去の観測から将来の天気を予測する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-07-22T12:23:26Z) - Aardvark weather: end-to-end data-driven weather forecasting [30.219727555662267]
Aardvark Weatherは、エンドツーエンドのデータ駆動型天気予報システムである。
生の観測を取り込み、グローバルなグリッド化された予測とローカルステーションの予測を出力する。
興味事の量よりもパフォーマンスを最大化するために、エンドツーエンドに最適化することができる。
論文 参考訳（メタデータ） (2024-03-30T16:41:24Z) - Uncertainty quantification for data-driven weather models [0.0]
本研究では,現在最先端の決定論的データ駆動気象モデルであるPangu-Weatherから確率的天気予報を生成するための不確実性定量化手法について検討・比較する。
具体的には,摂動によるアンサンブル予測を初期条件と比較し,予測の不確実性を定量化する手法を提案する。
欧州における選択された気象変数の中距離予測のケーススタディにおいて,不確実な定量化手法を用いてパング・ウェザーモデルを用いて得られた確率的予測は,有望な結果を示す。
論文 参考訳（メタデータ） (2024-03-20T10:07:51Z) - 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) - GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。
全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。
我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
論文 参考訳（メタデータ） (2022-12-24T18:15:39Z) - 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) - 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。