論文の概要: Data-driven ensemble prediction of the global ocean

• arxiv url: http://arxiv.org/abs/2603.19591v1
• Date: Fri, 20 Mar 2026 03:05:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:38.956048
• Title: Data-driven ensemble prediction of the global ocean
• Title（参考訳）: データ駆動による大洋のアンサンブル予測
• Authors: Qiusheng Huang, Xiaohui Zhong, Anboyu Guo, Ziyi Peng, Lei Chen, Hao Li,
• Abstract要約: FuXi-ONSは、地球上の最初の機械学習アンサンブル予測システムである。 海面温度、海面高度、地下温度、塩分濃度、海流について、グローバルな1グリッドで5日間の予測を提供する。 FuXi-ONSは物理的に構造化された摂動を学習し、長距離予測を安定させるために大気符号化モジュールを組み込む。
• 参考スコア（独自算出の注目度）: 9.068376705993009
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data-driven models have advanced deterministic ocean forecasting, but extending machine learning to probabilistic global ocean prediction remains an open challenge. Here we introduce FuXi-ONS, the first machine-learning ensemble forecasting system for the global ocean, providing 5-day forecasts on a global 1° grid up to 365 days for sea-surface temperature, sea-surface height, subsurface temperature, salinity and ocean currents. Rather than relying on repeated integration of computationally expensive numerical models, FuXi-ONS learns physically structured perturbations and incorporates an atmospheric encoding module to stabilize long-range forecasts. Evaluated against GLORYS12 reanalysis, FuXi-ONS improves both ensemble-mean skill and probabilistic forecast quality relative to deterministic and noise-perturbed baselines, and shows competitive performance against established seasonal forecast references for SST and Niño3.4 variability, while running orders of magnitude faster than conventional ensemble systems. These results provide a strong example of machine learning advancing a core problem in ocean science, and establish a practical path toward efficient probabilistic ocean forecasting and climate risk assessment.
• Abstract（参考訳）: データ駆動モデルには先進的な決定論的海洋予測があるが、マシンラーニングを確率論的大洋予測にまで拡張することは、依然としてオープンな課題である。 ここでは, 海面温度, 海面高度, 地下温度, 塩分濃度, 海流について, グローバルな1°グリッド上の5日間の予測を行う, 世界初の大洋用機械学習アンサンブル予測システムであるFuXi-ONSを紹介する。 FuXi-ONSは計算コストのかかる数値モデルの繰り返しの統合に頼るのではなく、物理的に構造化された摂動を学習し、長距離予測を安定させるために大気符号化モジュールを組み込む。 GLORYS12の再解析に対して、FuXi-ONSは、決定論的ベースラインとノイズ摂動ベースラインの両方に対するアンサンブル平均スキルと確率予測品質を改善し、従来のアンサンブルシステムよりも桁違いに高速に動作しながら、SSTとNiño3.4の季節予測基準に対する競争性能を示す。 これらの結果は、海洋科学の核となる問題を進める機械学習の強力な例であり、効率的な確率的海洋予測と気候リスク評価への実践的な道のりを確立している。

関連論文リスト

• Leveraging an Atmospheric Foundational Model for Subregional Sea Surface Temperature Forecasting [0.0]
  深層学習モデルを用いて,カナリア大水系における海水温度(SST)の予測を行う。 このモデルを高分解能海洋分析データを用いて微調整することにより、複雑なパターンを捉える能力を実証する。 このモデルは大規模なSST構造を再現することに成功したが、沿岸部でより細部を捉えることの難しさに直面している。
  論文  参考訳（メタデータ） (2025-10-29T14:30:12Z)
• 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)
• OneForecast: A Universal Framework for Global and Regional Weather Forecasting [67.61381313555091]
  本稿では,グラフニューラルネットワークに基づくグローバルなネスト型気象予報フレームワーク(OneForecast)を提案する。 動的システムパースペクティブとマルチグリッド理論を組み合わせることで,マルチスケールグラフ構造を構築し,対象領域を密度化する。 動的ゲーティングユニットを用いた適応型メッセージング機構を導入し,ノードとエッジ機能を深く統合し,より正確なイベント予測を行う。
  論文  参考訳（メタデータ） (2025-02-01T06:49:16Z)
• LangYa: Revolutionizing Cross-Spatiotemporal Ocean Forecasting [17.125674052741928]
  海洋予報システムであるLangYaを紹介した。 結果は、LangYaが1日から7日間のリードタイムで1つのモデルで予測できることを示した。 既存の数値およびAIベースの海洋予測システムと比較して、LangYaはGlobal Ocean Reanalysis and Simulationバージョン12から27年間の地球海洋データを使用している。
  論文  参考訳（メタデータ） (2024-12-24T02:14:39Z)
• FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere [53.22497376154084]
  本研究では,FengWuグローバル気象予報モデルに基づくFengWu-Weather to Subseasonal (FengWu-W2S)を提案する。 我々は,FengWu-W2Sが大気環境を3～6週間先まで確実に予測し,マデン・ジュリア振動 (MJO) や北大西洋振動 (NAO) などの地球表面温度, 降水量, 地磁気高度, 季節内信号の予測能力を向上させることを実証した。 日時から季節時の予測誤差成長に関するアブレーション実験
  論文  参考訳（メタデータ） (2024-11-15T13:44:37Z)
• FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather Forecasting [56.73502043159699]
  この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。 低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。 2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-01-28T13:23:25Z)
• Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
  我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。 我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。 この手法を現実のシナリオに適用するのは,私たちが初めてです。
  論文  参考訳（メタデータ） (2023-12-18T09:05:28Z)

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。