論文の概要: OceanForecastBench: A Benchmark Dataset for Data-Driven Global Ocean Forecasting
- arxiv url: http://arxiv.org/abs/2511.18732v1
- Date: Mon, 24 Nov 2025 03:57:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-25 18:34:25.004398
- Title: OceanForecastBench: A Benchmark Dataset for Data-Driven Global Ocean Forecasting
- Title（参考訳）: OceanForecastBench: データ駆動グローバルオーシャン予測のためのベンチマークデータセット
- Authors: Haoming Jia, Yi Han, Xiang Wang, Huizan Wang, Wei Wu, Jianming Zheng, Peikun Xiao,
- Abstract要約: データ駆動深層学習に基づく海洋予測モデルは、複雑な海洋力学を捉える大きな可能性を示している。
これらの進歩にもかかわらず、オープンソースのベンチマークがないため、一貫性のないデータの使用と評価方法が生まれている。
3つのコアコントリビューションを提供するベンチマークであるOceanForecastBenchを提案する。
- 参考スコア（独自算出の注目度）: 10.30935627811107
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Global ocean forecasting aims to predict key ocean variables such as temperature, salinity, and currents, which is essential for understanding and describing oceanic phenomena. In recent years, data-driven deep learning-based ocean forecast models, such as XiHe, WenHai, LangYa and AI-GOMS, have demonstrated significant potential in capturing complex ocean dynamics and improving forecasting efficiency. Despite these advancements, the absence of open-source, standardized benchmarks has led to inconsistent data usage and evaluation methods. This gap hinders efficient model development, impedes fair performance comparison, and constrains interdisciplinary collaboration. To address this challenge, we propose OceanForecastBench, a benchmark offering three core contributions: (1) A high-quality global ocean reanalysis data over 28 years for model training, including 4 ocean variables across 23 depth levels and 4 sea surface variables. (2) A high-reliability satellite and in-situ observations for model evaluation, covering approximately 100 million locations in the global ocean. (3) An evaluation pipeline and a comprehensive benchmark with 6 typical baseline models, leveraging observations to evaluate model performance from multiple perspectives. OceanForecastBench represents the most comprehensive benchmarking framework currently available for data-driven ocean forecasting, offering an open-source platform for model development, evaluation, and comparison. The dataset and code are publicly available at: https://github.com/Ocean-Intelligent-Forecasting/OceanForecastBench.
- Abstract（参考訳）: 地球規模の海洋予測は、海洋現象の理解と記述に不可欠である温度、塩分濃度、電流などの重要な海洋変数を予測することを目的としている。
近年、XiHe、WenHai、LangYa、AI-GOMSといったデータ駆動の深層学習に基づく海洋予測モデルが、複雑な海洋力学を捕捉し、予測効率を向上する大きな可能性を実証している。
これらの進歩にもかかわらず、オープンソースで標準化されたベンチマークが欠如していることは、一貫性のないデータの使用と評価方法につながっている。
このギャップは効率的なモデル開発を妨げ、公正なパフォーマンス比較を妨げ、学際的なコラボレーションを制約します。
この課題に対処するために,我々は3つのコアコントリビューションを提供するベンチマークであるOceanForecastBenchを提案する。(1)23の深さレベルと4つの海面変数を含む,28年間のモデルトレーニングのための高品質なグローバルオーシャンリアナリシスデータ。
2)大洋の約1億カ所をカバーする高信頼衛星とその場観測によるモデル評価
(3) 評価パイプラインと6つの典型的なベースラインモデルによる総合ベンチマーク。
OceanForecastBenchは、現在データ駆動の海洋予測で利用可能な最も包括的なベンチマークフレームワークであり、モデル開発、評価、比較のためのオープンソースのプラットフォームを提供する。
データセットとコードは、https://github.com/Ocean-Intelligent-Forecasting/OceanForecastBenchで公開されている。
関連論文リスト
- Deep learning-based object detection of offshore platforms on Sentinel-1 Imagery and the impact of synthetic training data [0.3823356975862005]
オフショアインフラストラクチャ検出のための堅牢なモデルの開発は、包括的なバランスの取れたデータセットに依存している。
本研究では, 深層学習に基づく YOLOv10 オブジェクト検出モデルを, 合成画像と実際のSentinel-1 衛星画像の組み合わせで訓練することにより, モデル性能を向上させるための合成データの利用について検討する。
北海で411台、メキシコ湾で1,519台、ペルシャ湾で1,593台を含む合計3,529台が検出された。
論文 参考訳（メタデータ） (2025-11-06T12:13:53Z) - Neptune-X: Active X-to-Maritime Generation for Universal Maritime Object Detection [54.1960918379255]
Neptune-Xは、海洋オブジェクト検出のためのデータ中心の生成-選択フレームワークである。
X-to-Maritime(X-to-Maritime)は、多様で現実的な海洋シーンを合成する多モード条件生成モデルである。
提案手法は,海上シーン合成における新しいベンチマークを設定し,検出精度を大幅に向上させる。
論文 参考訳（メタデータ） (2025-09-25T04:59:02Z) - MedFormer: a data-driven model for forecasting the Mediterranean Sea [26.196897593411332]
我々は地中海における中距離海洋予測のための完全データ駆動深層学習モデルであるMedFormerを紹介する。
このモデルは、20年間の毎日の海洋再分析データに基づいて訓練され、高解像度の運用分析で微調整される。
我々は,ヨーロッパ・地中海気候変動センターで開発された,最先端の地中海予報システム(MedFS)に対するMedFormerのベンチマークを行った。
論文 参考訳（メタデータ） (2025-08-16T09:05:03Z) - OKG-LLM: Aligning Ocean Knowledge Graph with Observation Data via LLMs for Global Sea Surface Temperature Prediction [70.48962924608033]
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。
論文 参考訳（メタデータ） (2025-07-31T02:06:03Z) - FuXi-Ocean: A Global Ocean Forecasting System with Sub-Daily Resolution [9.106159985605009]
FuXi-Oceanは、渦解像1/12deg空間解像度で6時間の予測を達成した最初のデータ駆動型大洋予報モデルである。
モデルアーキテクチャは、コンテキスト認識機能抽出モジュールと、スタックされた注目ブロックを用いた予測ネットワークを統合する。
FuXi-Oceanは、温度、塩分濃度、電流などの重要な変数を複数の深さにわたって予測する優れた技術を示している。
論文 参考訳（メタデータ） (2025-06-03T00:52:31Z) - Data-Juicer Sandbox: A Feedback-Driven Suite for Multimodal Data-Model Co-development [67.55944651679864]
統合データモデル共同開発に適した新しいサンドボックススイートを提案する。
このサンドボックスは、フィードバック駆動の実験プラットフォームを提供し、コスト効率とデータとモデルの両方のガイド付き洗練を可能にする。
論文 参考訳（メタデータ） (2024-07-16T14:40:07Z) - Data-driven Global Ocean Modeling for Seasonal to Decadal Prediction [39.7461632644892]
ORCA-DLは,海洋循環の季節的・季節的な予測を行う最初のデータ駆動型3次元海洋モデルである。
三次元海洋力学を正確にシミュレートし、最先端の力学モデルより優れている。
ケイデンスの時間スケールで海洋力学を安定にエミュレートし、巧妙なデケイデンスの予測や気候予測にもその可能性を示す。
論文 参考訳（メタデータ） (2024-05-24T10:23:17Z) - 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)
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。