論文の概要: A Synergistic Approach: Dynamics-AI Ensemble in Tropical Cyclone Forecasting

• arxiv url: http://arxiv.org/abs/2602.22533v1
• Date: Thu, 26 Feb 2026 02:12:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.47907
• Title: A Synergistic Approach: Dynamics-AI Ensemble in Tropical Cyclone Forecasting
• Title（参考訳）: 相乗的アプローチ:熱帯サイクロン予測におけるダイナミクス-AIアンサンブル
• Authors: Yonghui Li, Wansuo Duan, Hao Li, Wei Han, Han Zhang, Yinuo Li,
• Abstract要約: 本研究は、AI駆動型最適化アンサンブル予測システムを開発することにより、AIベースの天気予報における重要な課題に対処する。 このシステムは、熱帯サイクロン(TC)予測における計算効率と動的一貫性のギャップを埋める。
• 参考スコア（独自算出の注目度）: 21.950359135768252
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study addresses a critical challenge in AI-based weather forecasting by developing an AI-driven optimized ensemble forecast system using Orthogonal Conditional Nonlinear Optimal Perturbations (O-CNOPs). The system bridges the gap between computational efficiency and dynamic consistency in tropical cyclone (TC) forecasting. Unlike conventional ensembles limited by computational costs or AI ensembles constrained by inadequate perturbation methods, O-CNOPs generate dynamically optimized perturbations that capture fast-growing errors of FuXi model while maintaining plausibility. The key innovation lies in producing orthogonal perturbations that respect FuXi nonlinear dynamics, yielding structures reflecting dominant dynamical controls and physically interpretable probabilistic forecasts. Demonstrating superior deterministic and probabilistic skills over the operational Integrated Forecasting System Ensemble Prediction System, this work establishes a new paradigm combining AI computational advantages with rigorous dynamical constraints. Success in TC track forecasting paves the way for reliable ensemble forecasts of other high-impact weather systems, marking a major step toward operational AI-based ensemble forecasting.
• Abstract（参考訳）: 本研究は、直交条件非線形摂動(O-CNOPs)を用いたAI駆動のアンサンブル予測システムを開発することにより、AIに基づく天気予報における重要な課題に対処する。 このシステムは、熱帯サイクロン(TC)予測における計算効率と動的一貫性のギャップを埋める。 計算コストに制限された従来のアンサンブルや、不適切な摂動法で制約されたAIアンサンブルとは異なり、O-CNOPは、信頼性を維持しながらFuxiモデルの高速成長エラーをキャプチャする動的に最適化された摂動を生成する。 鍵となる革新は、FuXiの非線形力学を尊重する直交摂動を発生させ、支配的な力学制御と物理的に解釈可能な確率予測を反映した構造を与えることである。 本研究は,AI計算の優位性と厳密な動的制約を組み合わせた新たなパラダイムを確立する。 TCトラック予測の成功は、他のインパクトの高い気象システムの信頼性の高いアンサンブル予測の道を開くもので、AIベースのアンサンブル予測の運用に向けた大きな一歩となる。

関連論文リスト

• Generative forecasting with joint probability models [2.8367488114717094]
  カオス力学系は初期条件に対して強い感度を示し、しばしば未解決のマルチスケールプロセスを含む。 生成モデルは、可算なシステムの進化よりも分布を学習することで、魅力的な代替手段を提供する。 共同生成モデルにより,短期予測能力の向上,アトラクタ幾何の保存,およびより正確な長距離統計的挙動が得られた。
  論文  参考訳（メタデータ） (2025-12-30T20:00:09Z)
• Bridging the Gap Between Bayesian Deep Learning and Ensemble Weather Forecasts [100.26854618129039]
  天気予報は、大気のカオス的な性質によって根本的に挑戦されている。 ベイジアンディープラーニング(BDL)の最近の進歩は、有望だがしばしば非接続な代替手段を提供する。 気象予報のための統合型BDLフレームワークにより,これらのパラダイムを橋渡しする。
  論文  参考訳（メタデータ） (2025-11-18T07:49:52Z)
• Revealing the Potential of Learnable Perturbation Ensemble Forecast Model for Tropical Cyclone Prediction [25.31894574399668]
  熱帯サイクロン(TC)は、非常に破壊的で本質的に不確実な気象システムである。 FuXi-ENSは、アンサンブル生成のための学習可能な摂動方式を導入している。 2018年に全90のグローバルTCでFuXi-ENSとECMWF-ENSを比較した。
  論文  参考訳（メタデータ） (2025-10-27T19:27:04Z)
• Tuning for Trustworthiness -- Balancing Performance and Explanation Consistency in Neural Network Optimization [49.567092222782435]
  我々は,異なる特徴帰属法間の合意として定義された,XAI整合性という新しい概念を紹介する。 予測性能と説明のバランスをとる多目的最適化フレームワークを構築した。 本研究は、トレードオフゾーンバランス性能損失とXAI整合性による強靭性向上のモデルについて、今後の研究基盤を提供する。
  論文  参考訳（メタデータ） (2025-05-12T13:19:14Z)
• Generative emulation of chaotic dynamics with coherent prior [0.129182926254119]
  拡散モデルを用いて乱流の原理を統一した動的エミュレーションのための効率的な生成フレームワークを提案する。 具体的には,デノナイジング過程の指導として,基礎となる力学の大規模コヒーレント構造を推定する。 結合性に優れた長距離予測技術は、部分的に観察されたガイダンスが存在する場合でも、物理的に一貫性のあるシミュレーションを効率的に生成することができる。
  論文  参考訳（メタデータ） (2025-04-19T11:14:40Z)
• Topology-Aware Conformal Prediction for Stream Networks [68.02503121089633]
  本研究では,ネットワークトポロジと時間的ダイナミクスを共形予測フレームワークに統合した新しいフレームワークであるspatio-Temporal Adaptive Conformal Inference (textttCISTA)を提案する。 この結果から,TextttCISTAは予測効率とカバレッジのバランスを効果的に保ち,既存のストリームネットワークの共形予測手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-03-06T21:21:15Z)
• Probabilistic neural operators for functional uncertainty quantification [14.08907045605149]
  本稿では,ニューラル演算子の出力関数空間上の確率分布を学習するフレームワークである確率論的ニューラル演算子(PNO)を紹介する。 PNOは、厳密な適切なスコアリングルールに基づく生成モデリングにより、ニューラル演算子を拡張し、不確実性情報をトレーニングプロセスに直接統合する。
  論文  参考訳（メタデータ） (2025-02-18T14:42:11Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。