Fugu-MT 論文翻訳(概要): PCA-Enhanced Adaptive NVAR Framework for High-Resolution Sea Surface Temperature Forecasting in the East Sea

論文の概要: PCA-Enhanced Adaptive NVAR Framework for High-Resolution Sea Surface Temperature Forecasting in the East Sea

arxiv url: http://arxiv.org/abs/2606.12141v1
Date: Wed, 10 Jun 2026 14:34:13 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-11 16:42:38.506692
Title: PCA-Enhanced Adaptive NVAR Framework for High-Resolution Sea Surface Temperature Forecasting in the East Sea
Title（参考訳）: 高分解能海表面温度予測のためのPCAによる適応型NVARフレームワーク
Authors: Sherkhon Azimov, Susana López-Moreno, Eric Dolores-Cuenca, JinYong Choi, Sangil Kim,
Abstract要約: 従来の数値モデルは信頼性のある予測を提供するが、高価であり、しばしばリアルタイムの予測には適さない。本稿では,Adaptive Next-Generation Reservoir Computingフレームワークについて述べる。本稿では,Singular Value Decomposition(Singular Value Decomposition)と組み合わせて,東海におけるSSTのダイナミクスを予測できる低次予測フレームワークを提案する。
参考スコア（独自算出の注目度）: 0.2446672595462589
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Accurate forecasting of sea surface temperature (SST) in regional seas such as the East Sea is crucial for monitoring marine ecosystems, assessing climate risks, managing fisheries, and conducting naval operations. Traditional numerical ocean models provide reliable predictions but are computationally expensive and often unsuitable for real-time forecasting. Many deep learning methods also struggle with high-dimensional spatiotemporal ocean data and experience error accumulation over longer forecasting periods. This study builds on our previously proposed Adaptive Next-Generation Reservoir Computing (Adaptive NVAR) framework, initially introduced and tested on synthetic dynamical systems, and extends it to ocean forecasting. We present a reduced-order forecasting framework that combines Singular Value Decomposition (SVD) with Adaptive NVAR to predict SST dynamics in the East Sea. SST fields are compressed into a low-dimensional representation using SVD, which extracts dominant modes of ocean variability. Adaptive NVAR models the temporal evolution of these latent states, and the predicted states are reconstructed into SST forecasts. We evaluate the framework using regional ocean datasets and compare it with the standard NG-RC/NVAR. Results show that Adaptive NVAR consistently achieves lower forecasting errors across multiple prediction horizons. In addition, SVD reduces computational complexity, resulting in a fast and scalable framework suitable for real-time ocean forecasting.
Abstract（参考訳）: 東海などの海域における海面温度(SST)の正確な予測は、海洋生態系のモニタリング、気候リスクの評価、漁業の管理、海洋活動の実施に不可欠である。従来の数値海洋モデルは信頼性のある予測を提供するが、計算に高価であり、しばしばリアルタイム予測には適さない。多くのディープラーニング手法は、高次元時空間海洋データや、長い予測期間のエラー蓄積に苦慮している。本研究では,これまでに提案したAdaptive Next-Generation Reservoir Computing (Adaptive NVAR) フレームワークをベースとして,合成力学系に導入・試験し,海洋予測に拡張した。本稿では,Singular Value Decomposition (SVD) とAdaptive NVARを組み合わせることで,東海でのSSTダイナミクスを予測する。 SSTフィールドはSVDを用いて低次元の表現に圧縮され、海洋変動の支配的なモードを抽出する。適応的NVARはこれらの潜伏状態の時間的進化をモデル化し、予測状態はSST予測に再構成される。沿岸域の海洋データセットを用いてフレームワークを評価し,標準NG-RC/NVARと比較した。その結果,Adaptive NVARは複数の予測地平線にまたがる低い予測誤差を一貫して達成していることがわかった。さらに、SVDは計算の複雑さを減らし、高速でスケーラブルなフレームワークがリアルタイムの海洋予測に適している。

関連論文リスト

Data-driven ensemble prediction of the global ocean [9.068376705993009]
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。
論文参考訳（メタデータ） (2026-03-20T03:05:41Z)
Neural ocean forecasting from sparse satellite-derived observations: a case-study for SSH dynamics and altimetry data [25.95895236084694]
本稿では,衛星高度データに基づく海面変動の短期予測のためのエンドツーエンドの深層学習フレームワークを提案する。我々のフレームワークはOceanBenchイニシアチブ内で開発され、海洋機械学習の標準化評価を促進する。
論文参考訳（メタデータ） (2025-12-15T11:28:03Z)
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)
Deep Learning Weather Models for Subregional Ocean Forecasting: A Case Study on the Canary Current Upwelling System [0.0]
本研究は,当初グローバル気象予報のために開発されたグラフニューラルネットワークを応用し,地域の海洋予測を改善することを目的としている。このモデルは衛星データを用いて訓練され、海洋力学を捉える際の性能を評価するために最先端の物理海洋モデルと比較される。以上の結果から, 深層学習モデルは, 高度化に課題があるにもかかわらず, 従来の手法を超越していることがわかった。
論文参考訳（メタデータ） (2025-05-30T10:10:40Z)
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)
ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文参考訳（メタデータ） (2024-02-02T10:34:13Z)
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)
SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to Generate an Improved Ocean Model [72.3183990520267]
シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
論文参考訳（メタデータ） (2021-06-24T17:29:42Z)

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。