論文の概要: From Conceptual Hydrologic Models to Conceptually Interpretable Neural Networks: A Snow-Water Mass-Conserving-Perceptron Framework for Discovering Catchment-Scale Precipitation-Storage-Runoff Representations

• arxiv url: http://arxiv.org/abs/2607.26492v1
• Date: Wed, 29 Jul 2026 05:38:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.548804
• Title: From Conceptual Hydrologic Models to Conceptually Interpretable Neural Networks: A Snow-Water Mass-Conserving-Perceptron Framework for Discovering Catchment-Scale Precipitation-Storage-Runoff Representations
• Title（参考訳）: 概念的水文モデルから概念的解釈可能なニューラルネットワークへ:雪水塊保存・知覚フレームワークによる降水量-降水量-貯蔵-流出表現の発見
• Abstract要約: 我々は,513のCAMELS-US流域で雪水MCPネットワークフレームワークを開発し,その評価を行った。 本研究では,水理モデルとニューラルネットの定式化により,同等の予測性能が得られることを示す。
• 参考スコア（独自算出の注目度）: 0.8594140167290097
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Mass-Conserving Perceptron (MCP) establishes a modeling paradigm in which conceptual hydrologic models can be reformulated as physically constrained, conceptually interpretable neural networks. Here, we develop a snow-water MCP network framework and evaluate it across 513 CAMELS-US basins. We first recast a coupled two-state SOIL-MCP and SNOWMCP conceptual model as a mass-conserving neural network and show that the hydrologic-model and neural-network formulations achieve comparable predictive performance. We then examine cross-node state-information sharing within two-state HYDROMCP architectures and evaluate broader single-layer networks constructed from three types of interpretable MCP units with one to five states. Across CONUS, the median KGEss increases from 0.82 for one-state networks to 0.89 for two-state networks and 0.90 for five-state networks, suggesting diminishing aggregate gains beyond two states. Basin-specific MCP and LSTM selection yields the same median KGEss of 0.90, while the selected MCP networks use fewer parameters on average. Complementary AIC- and KGE-based selection identifies compact, basin-specific directed-graph representations that balance predictive accuracy and model complexity. These analyses provide an empirical basis for identifying the numbers, types, and interactions of states needed for hydrologic representation. Future studies should test joint training against multiple hydrologic responses, such as streamflow, snow water equivalent, and groundwater storage.
• Abstract（参考訳）: 質量保存パーセプトロン(MCP)は、概念的水理モデルが物理的に制約され、概念的に解釈可能なニューラルネットワークとして再構成できるモデリングパラダイムを確立する。 そこで我々は,513のCAMELS-US流域で雪水MCPネットワークフレームワークを開発し,その評価を行った。 まず,2状態のSOIL-MCPとSNOWMCPの概念モデルを大量保存型ニューラルネットワークとして再放送し,水理モデルとニューラルネットワークの定式化が同等の性能を発揮することを示す。 次に、2状態HYDROMCPアーキテクチャ内のノード間状態情報の共有について検討し、1から5状態の3種類の解釈可能なMCPユニットから構築された広範な単一層ネットワークを評価する。 CONUS全体では、1状態ネットワークでは0.82から、2状態ネットワークでは0.89に増加し、5状態ネットワークでは0.90に増加した。 盆地固有のMPPとLSTMの選択は、同じ中央値のKGEを0.90とし、選択されたMPPネットワークは平均よりも少ないパラメータを使用する。 補完的AICとKGEに基づく選択は、予測精度とモデルの複雑さのバランスをとる、コンパクトで、盆地特異的な有向グラフ表現を識別する。 これらの分析は、水文学的な表現に必要な状態の数、種類、相互作用を特定するための経験的基礎を提供する。 今後の研究は,河川流,積雪水等価性,地下水貯留など,複数の水文反応に対する共同訓練を実施すべきである。

関連論文リスト

• Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
  本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。 合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善 DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
  論文  参考訳（メタデータ） (2026-02-03T23:38:05Z)
• Geometric Multi-color Message Passing Graph Neural Networks for Blood-brain Barrier Permeability Prediction [1.488392495573075]
  本稿では,幾何学的多色メッセージパッシンググラフニューラルネットワーク(GMC-MPNN)を提案する。 本モデルは,血液脳関門透過性を規定する空間的関係と化学的文脈を捉えるために,原子タイプに基づく重み付きカラーサブグラフを構築した。
  論文  参考訳（メタデータ） (2025-07-25T03:38:46Z)
• Wavelet Flow For Extragalactic Foreground Simulations [0.0]
  宇宙マイクロ波背景観測(CMB)における銀河外フォアグラウンドは、宇宙学的および天体物理学的な情報の源泉である。 我々は,CMBセカンダリとフォアグラウンドのフィールドレベルの確率分布をモデル化する新しい課題に,Wavelet Flow(WF)モデルを用いて取り組むことを検討する。
  論文  参考訳（メタデータ） (2025-05-27T14:08:28Z)
• Hierarchically Disentangled Recurrent Network for Factorizing System Dynamics of Multi-scale Systems: An application on Hydrological Systems [4.634606500665259]
  複数の時間スケールでシステムダイナミクスを分解する新しい階層的リカレントニューラルネットワークを提案する。 国立気象局ノース・セントラル・リバー・フォアキャスト・センターからの幾らかの捕獲実験では、FHNNが標準ベースラインを上回っていることを示している。 我々は,FHNNが,効果的な事前学習戦略とグローバルモデルの訓練を通じて,限られたトレーニングデータであっても精度を維持することができることを示す。
  論文  参考訳（メタデータ） (2024-07-29T16:25:43Z)
• Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
  我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。 我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。 本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
  論文  参考訳（メタデータ） (2024-05-22T17:23:15Z)
• Towards Interpretable Physical-Conceptual Catchment-Scale Hydrological Modeling using the Mass-Conserving-Perceptron [1.1510009152620668]
  本研究では, ニューラル・アーキテクチャー・サーチを用いて, 異なる気候環境下での漁獲量に対する最小限の表現を適切に決定することにより, 地域規模のMPPに基づく水文モデル(大規模なサンプルデータを用いた)の解釈の段階を定めている。
  論文  参考訳（メタデータ） (2024-01-25T21:26:49Z)
• Wasserstein Barycenter-based Model Fusion and Linear Mode Connectivity of Neural Networks [2.191505742658975]
  ニューラルネットワーク(NN)モデル融合のための統一的な数学的枠組みを提案する。 我々のフレームワークでは、融合は階層的に発生し、ネットワーク内のノードをその前の層の関数として解釈する。 数学的フレームワークの汎用性により、幅広いNNのモデル融合と線形モード接続について話すことができる。
  論文  参考訳（メタデータ） (2022-10-13T01:58:02Z)
• A new perspective on probabilistic image modeling [92.89846887298852]
  本稿では,密度推定,サンプリング,トラクタブル推論が可能な画像モデリングのための新しい確率論的手法を提案する。 DCGMMは、CNNのように、ランダムな初期条件からSGDによってエンドツーエンドに訓練することができる。 本研究は,近年のPCおよびSPNモデルと,推論,分類,サンプリングの観点から比較した。
  論文  参考訳（メタデータ） (2022-03-21T14:53:57Z)
• Bayesian Structure Learning with Generative Flow Networks [85.84396514570373]
  ベイズ構造学習では、データから有向非巡回グラフ(DAG)上の分布を推定することに興味がある。 近年,ジェネレーティブ・フロー・ネットワーク(GFlowNets)と呼ばれる確率モデルのクラスが,ジェネレーティブ・モデリングの一般的なフレームワークとして紹介されている。 DAG-GFlowNetと呼ばれる本手法は,DAGよりも後方の正確な近似を提供する。
  論文  参考訳（メタデータ） (2022-02-28T15:53:10Z)
• Compact representations of convolutional neural networks via weight pruning and quantization [63.417651529192014]
  本稿では、音源符号化に基づく畳み込みニューラルネットワーク(CNN)の新しいストレージフォーマットを提案し、重み付けと量子化の両方を活用する。 我々は、全接続層で0.6%、ネットワーク全体で5.44%のスペース占有率を削減し、最低でもベースラインと同じくらいの競争力を発揮する。
  論文  参考訳（メタデータ） (2021-08-28T20:39:54Z)
• FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for Optical Flow Estimation [72.41370576242116]
  フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。 ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。 実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
  論文  参考訳（メタデータ） (2020-01-17T07:13:51Z)

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。