論文の概要: Reinforcement Learning to Discover a NorthEast Monsoon Index for Monthly Rainfall Prediction in Thailand

• arxiv url: http://arxiv.org/abs/2601.10181v2
• Date: Fri, 16 Jan 2026 01:49:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 14:30:44.056422
• Title: Reinforcement Learning to Discover a NorthEast Monsoon Index for Monthly Rainfall Prediction in Thailand
• Title（参考訳）: タイにおける月次降雨予測のための東北モンスーン指数発見のための強化学習
• Authors: Kiattikun Chobtham,
• Abstract要約: 本稿では,冬季モンスーンの気候を反映した海面温度から算出した北東海岸モンスーンの気候指標を紹介する。 計算された領域を最適化するために、深層Qネットワーク学習エージェントは、季節降雨と相関して最も効果的な矩形を探索し、選択する。 実験結果から,短期記憶モデルに最適化された指標は,多くのクラスター地域で長期降雨予測能力を大幅に向上させることが示された。
• 参考スコア（独自算出の注目度）: 0.456877715768796
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Climate prediction is a challenge due to the intricate spatiotemporal patterns within Earth systems. Global climate indices, such as the El Niño Southern Oscillation, are standard input features for long-term rainfall prediction. However, a significant gap persists regarding local-scale indices capable of improving predictive accuracy in specific regions of Thailand. This paper introduces a novel NorthEast monsoon climate index calculated from sea surface temperature to reflect the climatology of the boreal winter monsoon. To optimise the calculated areas used for this index, a Deep Q-Network reinforcement learning agent explores and selects the most effective rectangles based on their correlation with seasonal rainfall. Rainfall stations were classified into 12 distinct clusters to distinguish rainfall patterns between southern and upper Thailand. Experimental results show that incorporating the optimised index into Long Short-Term Memory models significantly improves long-term monthly rainfall prediction skill in most cluster areas. This approach effectively reduces the Root Mean Square Error for 12-month-ahead forecasts.
• Abstract（参考訳）: 気候予測は、地球系内の複雑な時空間パターンのために困難である。 エルニーニョ・サザン・オシレーションのような地球規模の気候指標は、長期的な降雨予測の標準的な入力特徴である。 しかし、タイの特定の地域では、予測精度を向上させることができる地域規模の指標に関して、大きなギャップが持続する。 本報告では, 北極モンスーン気候指数を海面温度から算出し, 冬季モンスーンの気候学を反映した新しい気候指標を提案する。 この指標の計算領域を最適化するために,深部Qネットワーク強化学習エージェントは,季節降雨量との相関に基づいて,最も有効な矩形を探索し,選択する。 降雨局は、タイ南部と北部の降雨パターンを区別するために12の異なるクラスターに分類された。 実験結果から, 長期記憶モデルに最適化指標を組み込むことで, 多くのクラスター地域での長期降雨予測能力が著しく向上することが示唆された。 このアプローチは、12ヶ月前の予測に対するルート平均角誤差を効果的に削減する。

関連論文リスト

• A Spatiotemporal Radar-Based Precipitation Model for Water Level Prediction and Flood Forecasting [0.9487148673655145]
  2017年7月、ゴスラー市とゴッティンゲン市は、わずか20分という短い警戒時間で激しい洪水に見舞われた。 これは、より信頼性が高くタイムリーな洪水予報システムの必要性を強調している。
  論文  参考訳（メタデータ） (2025-03-25T10:14:54Z)
• Advancing Marine Heatwave Forecasts: An Integrated Deep Learning Approach [3.8713566366330325]
  極端気候現象熱波(MHW)は海洋生態系や産業に重大な課題をもたらす。 本研究では,世界規模での短期的・長期的MHW予測のための統合型ディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-11-19T06:11:52Z)
• Unleashing the Power of Dynamic Mode Decomposition and Deep Learning for Rainfall Prediction in North-East India [0.27488316163114823]
  本研究では,DMD(Dynamic Mode Decomposition)とLSTM(Long Short-Term Memory)という2つのデータ駆動手法を用いた降雨予測手法について検討した。 複数の気象観測所から得られた過去の降雨データを用いて,将来の降雨パターンを予測するためのモデルを訓練し,検証した。 以上の結果から,インド北東部地域の降雨予測精度は,データ駆動手法により著しく向上することが示唆された。
  論文  参考訳（メタデータ） (2023-09-17T17:58:06Z)
• 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)

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。