論文の概要: Machine learning based radiative parameterization scheme and its performance in operational reforecast experiments

• arxiv url: http://arxiv.org/abs/2601.13592v1
• Date: Tue, 20 Jan 2026 04:45:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.156388
• Title: Machine learning based radiative parameterization scheme and its performance in operational reforecast experiments
• Title（参考訳）: 機械学習に基づく放射パラメータ化方式とその運用再放送実験における性能
• Authors: Hao Jing, Sa Xiao, Haoyu Li, Huadong Xiao, Wei Xue,
• Abstract要約: 本研究では、ディープニューラルネットワークを数値予測モデルに組み込むハイブリッド予測フレームワークに固有の制約について検討する。 残留畳み込みニューラルネットワークを用いて、中国気象庁のグローバル運用システム内での一般循環モデル(RRTMG)のラピッシブトランスファーモデル(Rapidive Transfer Model)を近似する。 リアルタイムな演算処理に適したLibTorchベースの結合方式が提案されている。
• 参考スコア（独自算出の注目度）: 21.24990493675443
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radiation is typically the most time-consuming physical process in numerical models. One solution is to use machine learning methods to simulate the radiation process to improve computational efficiency. From an operational standpoint, this study investigates critical limitations inherent to hybrid forecasting frameworks that embed deep neural networks into numerical prediction models, with a specific focus on two fundamental bottlenecks: coupling compatibility and long-term integration stability. A residual convolutional neural network is employed to approximate the Rapid Radiative Transfer Model for General Circulation Models (RRTMG) within the global operational system of China Meteorological Administration. We adopted an offline training and online coupling approach. First, a comprehensive dataset is generated through model simulations, encompassing all atmospheric columns both with and without cloud cover. To ensure the stability of the hybrid model, the dataset is enhanced via experience replay, and additional output constraints based on physical significance are imposed. Meanwhile, a LibTorch-based coupling method is utilized, which is more suitable for real-time operational computations. The hybrid model is capable of performing ten-day integrated forecasts as required. A two-month operational reforecast experiment demonstrates that the machine learning emulator achieves accuracy comparable to that of the traditional physical scheme, while accelerating the computation speed by approximately eightfold.
• Abstract（参考訳）: 放射は典型的には数値モデルにおいて最も時間を要する物理過程である。 1つの解決策は、機械学習を使って放射過程をシミュレートし、計算効率を向上させることである。 運用の観点からは,ディープニューラルネットワークを数値予測モデルに組み込むハイブリッド予測フレームワークに固有の限界を,結合互換性と長期統合安定性という2つの基本的なボトルネックに特化して検討する。 残留畳み込みニューラルネットワークを用いて、中国気象庁のグローバル運用システム内での一般循環モデル(RRTMG)のラピッド・ラピッド・ラピッド・ラピッド・トランスファーモデル(Rapid Radiative Transfer Model)を近似する。 オフライントレーニングとオンライン結合アプローチを採用しました。 まず、包括的なデータセットはモデルシミュレーションによって生成され、クラウドカバーと非クラウドカバーの両方で、すべての大気カラムを包含する。 ハイブリッドモデルの安定性を確保するため、経験リプレイによってデータセットが強化され、物理的重要性に基づく追加出力制約が課される。 一方、LibTorchをベースとしたカップリング方式は、リアルタイムな演算処理に適している。 ハイブリッドモデルは、必要に応じて10日間の統合予測を実行することができる。 2ヶ月の運用再放送実験では、機械学習エミュレータが従来の物理スキームに匹敵する精度を達成し、計算速度を約8倍に加速することを示した。

関連論文リスト

• Inverse Autoregressive Flows for Zero Degree Calorimeter fast simulation [0.0]
  物理ベースの機械学習は、従来の科学と現代のデータ駆動技術を融合させる。 CERNにおけるALICE実験におけるZDC(Zero Degree Calorimeter)のシミュレーションを高速化するために,このパラダイムを活用する。 我々の手法は古典的データ駆動モデル同化よりも優れており、ZDCシミュレーション文献の既存のNF実装よりも421倍高速なモデルが得られる。
  論文  参考訳（メタデータ） (2025-12-23T13:28:15Z)
• Development of an offline and online hybrid model for the Integrated Forecasting System [0.2556723501703686]
  ニューラルネットワークを用いた中レージ気象予報センターのモデル誤差補正手法を開発した。 ネットワークは、運用分析と分析インクリメントの大規模なデータセットを使用して、オフラインで事前トレーニングされている。 その後、データ同化や予測実験に使用されるように、オブジェクト指向予測システム(OOPS)内のIFSに統合される。
  論文  参考訳（メタデータ） (2024-03-06T13:36:31Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• End-to-End Reinforcement Learning of Koopman Models for Economic Nonlinear Model Predictive Control [45.84205238554709]
  本研究では, (e)NMPCの一部として最適性能を示すために, Koopman シュロゲートモデルの強化学習法を提案する。 エンドツーエンドトレーニングモデルは,(e)NMPCにおけるシステム識別を用いてトレーニングしたモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-03T10:21:53Z)
• Self-learning locally-optimal hypertuning using maximum entropy, and comparison of machine learning approaches for estimating fatigue life in composite materials [0.0]
  疲労損傷を予測するための最大エントロピーの原理に基づくML近傍近似アルゴリズムを開発した。 予測は、他のMLアルゴリズムと同様、高いレベルの精度を達成する。
  論文  参考訳（メタデータ） (2022-10-19T12:20:07Z)
• An advanced spatio-temporal convolutional recurrent neural network for storm surge predictions [73.4962254843935]
  本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。 本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2022-04-18T23:42:18Z)
• KNODE-MPC: A Knowledge-based Data-driven Predictive Control Framework for Aerial Robots [5.897728689802829]
  我々は、知識に基づくニューラル常微分方程式(KNODE)というディープラーニングツールを用いて、第一原理から得られたモデルを拡張する。 得られたハイブリッドモデルは、名目上の第一原理モデルと、シミュレーションまたは実世界の実験データから学習したニューラルネットワークの両方を含む。 閉ループ性能を改善するため、ハイブリッドモデルはKNODE-MPCとして知られる新しいMPCフレームワークに統合される。
  論文  参考訳（メタデータ） (2021-09-10T12:09:18Z)
• Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
  Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。 能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。 その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
  論文  参考訳（メタデータ） (2021-06-05T01:31:51Z)

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。