論文の概要: Causal-prior-constrained deep learning for rapid-intensification warning of western North Pacific tropical cyclones

• arxiv url: http://arxiv.org/abs/2610.40304v2
• Date: Sat, 31 Oct 2026 09:52:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 02:41:45.016136
• Title: Causal-prior-constrained deep learning for rapid-intensification warning of western North Pacific tropical cyclones
• Title（参考訳）: 太平洋西部熱帯サイクロンの急激な強化警告のための因果制約付き深層学習
• Abstract要約: CausalVisionRI は、北太平洋西部で24時間 RI 警告を行うための、因果的に制約された深層学習システムである。 赤外線リモートセンシング画像、大気と海洋のフィールド、観察によって発見された因果グラフを統一されたモデルに統合する。 大気と海洋を繋ぐ因果経路、サイクロンの動的および構造的状態、および24時間強度の変化を識別する。
• 参考スコア（独自算出の注目度）: 3.336384023398032
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rapid intensification (RI) is one of the most dangerous and unpredictable phases of tropical cyclones, and its environmental and structural drivers are difficult to identify and separate in observations. Here we introduce CausalVisionRI, a causal-prior-constrained deep-learning system for 24-h RI warning in the western North Pacific. It integrates infrared remote sensing imagery, atmospheric and oceanic fields, and an observationally discovered causal graph into a unified model. The graph and eight sign-verified effects on 24-h intensity change provide an auditable causal prior for training. Discovered from 522 cyclones in 2000-2017, it identifies causal pathways linking atmospheric and oceanic conditions, the cyclone's dynamical and structural state, and its 24-h intensity change. On a forward holdout covering 2020-2024 and 3,004 records, the five-member ensemble achieves a Brier skill score (BSS) of 0.259 relative to a fixed development climatology, significantly exceeding four reference systems; the three LDA baselines reach at most 0.105. It also attains higher detection rates than a published knowledge-block scheme and a reconstructed contrastive-learning scheme at matched false-detection rates under our USA 30-kt standard and the published RITCF standard. Ablations show that the graph pathway adds 0.032 BSS across the holdout and 0.063 over 2020-2021, with a significant contribution in one ensemble member. A deep-learning model constrained by observationally discovered causal structure thus offers a new route to physically informed RI warning.
• Abstract（参考訳）: ラピッドインテンシフィケーション(RI)は熱帯サイクロンの最も危険で予測不可能な段階の1つであり、その環境および構造的要因は観測において識別および分離が困難である。 ここでは,北太平洋西部における24時間RI警告のための因果制約付き深層学習システムCausalVisionRIを紹介する。 赤外線リモートセンシング画像、大気と海洋のフィールド、観察によって発見された因果グラフを統一されたモデルに統合する。 24時間強度の変化に対するグラフと8つのサイン検証された効果は、トレーニングに先立って監査可能な因果関係を提供する。 2000-2017年に522個のサイクロンから発見され、大気と海洋を繋ぐ因果経路、サイクロンの動的および構造状態、および24時間強度の変化を識別する。 2020-2024年と3,004年の記録をカバーするフォワードホールドアウトでは、この5人のアンサンブルは、4つの基準系をはるかに上回り、3つのLDAベースラインが少なくとも0.105に達する、固定された開発気候学と比較して0.259のブライアスキルスコア(BSS)を達成している。 また、USA 30-kt 標準と RITCF 標準の下で、公表された知識ブロック方式よりも高い検出率と、一致する偽検出率で再構成されたコントラスト学習方式を実現する。 グラフ経路は2020-2021年に0.032 BSS、2020-2021年に0.063 BSSを追加し、1つのアンサンブルメンバーに大きな貢献をしている。 観測によって発見された因果構造に制約されたディープラーニングモデルにより,RI警告を物理的に通知する新たな経路が提供される。

関連論文リスト

• Skillful and realistic precipitation forecasting with reinforced diffusion [42.1652518139787]
  本稿では,アメリカ大陸における最先端の予測技術と物理リアリズムを同時に実現した最初のシステムであるFitzRoyを紹介する。 構造的リアリズムを保ち、極端な事象を捉えながら、FitzRoyは一貫して最先端のモデルに適合または超えていることを示す。 2025年のテキサス・ヒル・カントリーの洪水や2026年のミズーリの洪水といったケーススタディでは、フィッツロイは既存のモデルがほとんど見逃した記録破りの累積を示している。
  論文  参考訳（メタデータ） (2026-10-28T19:50:45Z)
• MAGPIE-Net: Predicting short-duration heavy-rainfall events in station neighborhoods from multitemporal FY-4A AGRI observations [5.170200431898208]
  短時間の重雨警報は、1hの降水量が目標駅付近のしきい値を超えるかどうかを判断する。 殆どのディープラーニングの流し込み手法は、グリッド化された降水予測の後処理によってこれらの信号を局所的な警告に変換する。 我々は,地理的に適応し,異なるグリッド・ツー・ステーション・マッピングを経路に組み込んだMAGPIE-Netを提案する。
  論文  参考訳（メタデータ） (2026-08-18T13:17:21Z)
• Predicting Pseudo-nitzschia harmful algal blooms along the Portuguese Coast using satellite-derived predictors [69.38367341895632]
  Pseudo-Nitzschia の珪藻は、海岸生態系やポルトガルの大西洋岸での収穫に繰り返しリスクをもたらす。 衛星由来の予測器を用いて有害な藻類発生を予測する機械学習フレームワークの開発と評価を行った。
  論文  参考訳（メタデータ） (2026-07-08T18:14:24Z)
• Structural Gating and Effect-aligned Lag-resolved Temporal Causal Discovery Framework with Application to Heat-Pollution Extremes [4.924495633674017]
  本研究は、時間因果発見のための構造ゲーティングとエフェクト整列ディスカバリー(SGED-TCD)を提案する。 SGED-TCDを、中国東部と北部の遠隔接続駆動型複合熱波-大気汚染極端に適用する。 以上の結果から,SGED-TCDは気候環境に挑戦するシステムにおいて,物理的に解釈可能,階層的,およびラグ分解された因果経路を回復できることが示された。
  論文  参考訳（メタデータ） (2026-04-11T22:50:26Z)
• Physics-Informed Diffusion Model for Generating Synthetic Extreme Rare Weather Events Data [0.0]
  伝統的なデータ拡張技術は、まれなカテゴリー4等価事象に特徴的な物理的一貫性と高強度勾配を維持するのに失敗する。 極端気象事象の合成多スペクトル衛星画像を生成するために,Context-UNetアーキテクチャに基づく物理インフォームド拡散モデルを提案する。
  論文  参考訳（メタデータ） (2026-03-06T18:54:55Z)
• Predictive Modeling of Flood-Prone Areas Using SAR and Environmental Variables [0.0]
  洪水は世界でも最も破壊的な自然災害の1つであり、生態系、インフラ、人間の生活に深刻なリスクをもたらしている。 本研究では,ケニア西部のニャンド川流域において,合成開口レーダ(SAR)画像と環境・水文データを組み合わせて,洪水感受性をモデル化した。
  論文  参考訳（メタデータ） (2025-12-06T16:24:10Z)
• Observation-driven correction of numerical weather prediction for marine winds [14.58447529631976]
  我々は,大域的数値天気予報(NWP)モデルの観測インフォームド補正として風速予測を再構成する。 我々は,GFS(Global Forecast System)の出力を調整するため,最新のその場観測を同調して局所補正パターンを学習する。 モデルはGFS 10mの風力RMSEを全リードタイムで48時間まで減少させ、1時間のリードタイムで45%、48時間のリードタイムで13%改善する。
  論文  参考訳（メタデータ） (2025-12-03T09:39:44Z)
• OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
  既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。 1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
  論文  参考訳（メタデータ） (2024-05-12T09:32:40Z)
• Automating global landslide detection with heterogeneous ensemble deep-learning classification [44.99833362998488]
  地すべりは道路、鉄道、建物、人間の生活などのインフラを脅かす。 危険に基づく空間計画と早期警戒システムは、地すべりから社会へのリスクを減らすための費用対効果の戦略である。 近年,中～高解像度の衛星画像を入力として,深層学習モデルを陸地マッピングに適用している。
  論文  参考訳（メタデータ） (2023-09-12T10:56:16Z)
• Vision in adverse weather: Augmentation using CycleGANs with various object detectors for robust perception in autonomous racing [70.16043883381677]
  自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。 悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。 本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T10:02:40Z)

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。