論文の概要: A visual big data system for the prediction of weather-related variables: Jordan-Spain case study
- arxiv url: http://arxiv.org/abs/2510.21176v1
- Date: Fri, 24 Oct 2025 05:59:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 06:57:23.381861
- Title: A visual big data system for the prediction of weather-related variables: Jordan-Spain case study
- Title（参考訳）: 気象関連変数予測のための視覚的ビッグデータシステム:Jordan-Spain ケーススタディ
- Authors: Shadi Aljawarneh, Juan A. Lara, Muneer Bani Yassein,
- Abstract要約: 本研究では,大量の気象データを扱うために設計された視覚的ビッグデータシステムを提案する。
提案システムはオープンデータを収集し,時間的・空間的アグリゲーションの異なるレベルに分散したローカルデータベースにロードする。
このシステムはユーザビリティと予測性能の観点から評価され、全体の正規化された平均2乗誤差値は0.00013である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Meteorology is a field where huge amounts of data are generated, mainly collected by sensors at weather stations, where different variables can be measured. Those data have some particularities such as high volume and dimensionality, the frequent existence of missing values in some stations, and the high correlation between collected variables. In this regard, it is crucial to make use of Big Data and Data Mining techniques to deal with those data and extract useful knowledge from them that can be used, for instance, to predict weather phenomena. In this paper, we propose a visual big data system that is designed to deal with high amounts of weather-related data and lets the user analyze those data to perform predictive tasks over the considered variables (temperature and rainfall). The proposed system collects open data and loads them onto a local NoSQL database fusing them at different levels of temporal and spatial aggregation in order to perform a predictive analysis using univariate and multivariate approaches as well as forecasting based on training data from neighbor stations in cases with high rates of missing values. The system has been assessed in terms of usability and predictive performance, obtaining an overall normalized mean squared error value of 0.00013, and an overall directional symmetry value of nearly 0.84. Our system has been rated positively by a group of experts in the area (all aspects of the system except graphic desing were rated 3 or above in a 1-5 scale). The promising preliminary results obtained demonstrate the validity of our system and invite us to keep working on this area.
- Abstract（参考訳）: 気象学は大量のデータを生成する分野であり、主に気象観測所のセンサーによって収集され、異なる変数を計測することができる。
これらのデータには、高い体積と次元性、いくつかのステーションで欠落する値の頻繁な存在、収集された変数間の高い相関など、いくつかの特異性がある。
この点において、ビッグデータとデータマイニング技術を用いてこれらのデータに対処し、気象現象を予測できる有用な知識を抽出することが不可欠である。
本稿では,大量の気象データを扱うように設計された視覚的ビッグデータシステムを提案する。
提案システムはオープンなデータを収集してローカルなNoSQLデータベースにロードし,異なる時間的・空間的アグリゲーションレベルに融合させて,一変量および多変量アプローチを用いた予測分析を行い,また,欠落した値の頻度が高い場合の近隣局からのトレーニングデータに基づく予測を行う。
このシステムはユーザビリティと予測性能の観点から評価され、全体の正規化された平均2乗誤差値は0.00013であり、全体的な方向対称性値は0.84である。
我々のシステムはこの分野の専門家グループによって肯定的に評価されている(グラフィックデザイク以外のシステムの全ての側面は、1-5スケールで3以上評価されていた)。
得られた有望な予備結果は、我々のシステムの有効性を実証し、この領域に取り組み続けるよう招待します。
関連論文リスト
- Towards Data-Efficient Pretraining for Atomic Property Prediction [51.660835328611626]
タスク関連データセットでの事前トレーニングは、大規模な事前トレーニングと一致するか、あるいは超える可能性があることを示す。
本稿では,コンピュータビジョンのFr'echet Inception Distanceにインスパイアされた,化学類似度指数(CSI)を紹介する。
論文 参考訳（メタデータ） (2025-02-16T11:46:23Z) - Tackling Data Heterogeneity in Federated Time Series Forecasting [61.021413959988216]
時系列予測は、エネルギー消費予測、病気の伝染モニタリング、天気予報など、様々な実世界の応用において重要な役割を果たす。
既存のほとんどのメソッドは、分散デバイスから中央クラウドサーバに大量のデータを収集する、集中的なトレーニングパラダイムに依存しています。
本稿では,情報合成データを補助的知識キャリアとして生成することにより,データの均一性に対処する新しいフレームワークであるFed-TRENDを提案する。
論文 参考訳（メタデータ） (2024-11-24T04:56:45Z) - Local Off-Grid Weather Forecasting with Multi-Modal Earth Observation Data [5.147520971893645]
森林火災の管理と再生可能エネルギーの発生は、地球表面付近の正確な局部的な天気予報を必要とする。
機械学習モデルや数値天気予報システムによって生成された予測は、通常、大規模な正規グリッド上で生成される。
本稿では,マルチグラニュアルトランスフォーマーモデルを提案する。
論文 参考訳（メタデータ） (2024-10-16T18:25:43Z) - Generative Data Assimilation of Sparse Weather Station Observations at Kilometer Scales [5.427841765899196]
そこで本研究では,現実的に複雑な1kmスケールの気象条件下でのスコアベースデータ同化の実現可能性を示す。
40の気象観測所からの観測を取り入れることで、左の観測所で10%低いRMSEが達成される。
ますます野心的な地域国家ジェネレータと、In situ、地上ベース、衛星リモートセンシングデータストリームの集合を組み合わす拡張を探求する時期だ。
論文 参考訳（メタデータ） (2024-06-19T10:28:11Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳（メタデータ） (2024-01-22T14:02:56Z) - Federated Prompt Learning for Weather Foundation Models on Devices [37.88417074427373]
天気予報のためのデバイス上のインテリジェンスでは、ローカルなディープラーニングモデルを使用して、集中型クラウドコンピューティングなしで気象パターンを分析する。
本稿では,FedPoD(Federated Prompt Learning for Weather Foundation Models on Devices)を提案する。
FedPoDは、通信効率を維持しながら、高度にカスタマイズされたモデルを得ることができる。
論文 参考訳（メタデータ） (2023-05-23T16:59:20Z) - A Meta-Analysis of Solar Forecasting Based on Skill Score [0.0]
定性的な太陽予測の総合的メタ分析を,スキルスコアに基づいて行った。
4,687点のデータベースを構築し解析した。
時間内および日内予測は日頭予測よりも改善が見られた。
論文 参考訳（メタデータ） (2022-08-22T18:37:01Z) - 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) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z)
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。