投稿者「ai.earth_system-lab」のアーカイブ

機械学習ダウンスケーリング まとめ5

RCM エミュレータには、過去および将来の気候設定の両方でトレーニング データにアクセスできるという利点があり、特定のシナリオにおける将来の気候に対する分布外パフォーマンスが向上しました。 ただし、RCM エミュレーター … 続きを読む

カテゴリー: 機械学習, 気候変動, 高解像度 | コメントする

機械学習ダウンスケーリング まとめ4

観測されていない過去および将来の気候への適応についてドメイン適応の問題は、特定のシミュレーション (再解析/観測または特定の RCM シミュレーションなど) でトレーニングされた経験的ダウンスケーリング アルゴリズムを、 … 続きを読む

カテゴリー: 機械学習, 気候変動, 高解像度 | コメントする

機械学習ダウンスケーリング まとめ3

敵対的生成ネットワーク (GAN) と拡散モデルは、極端な現象を正確に推定し、局地規模の気候プロセスをより適切に解決する点で、CNN と比較して改善を示しています。 注目すべき制限としては、GAN をトレーニングする際の … 続きを読む

カテゴリー: 機械学習, 気候変動, 高解像度 | コメントする

機械学習ダウンスケーリング まとめ2

私たちのレビューでは、次の 3 つの重要な研究課題を中心に、これらの問題と気候ダウンスケーリングのための機械学習手法を批判的に診断しています。a. 経験的ダウンスケーリングアルゴリズムは、極端な気候を含む現在の気候を適切 … 続きを読む

カテゴリー: 機械学習, 気候変動, 高解像度 | コメントする

機械学習ダウンスケーリング まとめ1

観測ダウンスケーリング手法 (PP) および超解像 (SR) は、局所的な気候の複雑さを捉えた観測データセットを用いて学習を行います。 RCM エミュレーターは、RCM の機能をミラーリングするために開発され、CORDE … 続きを読む

カテゴリー: 機械学習, 気候変動, 高解像度 | コメントする

XAI によるダウンスケーリング評価

XAI の発展により、経験的ダウンスケーリング アルゴリズムの外挿機能を評価するための新しいオフライン方法を提供し、図 6 に示すように、従来のダウンスケーリング評価手法と並行して統合できます。たとえば、定常性の仮定を評 … 続きを読む

カテゴリー: 機械学習, 気候変動, 高解像度 | コメントする

説明可能な人工知能 (XAI)

気候科学とダウンスケーリングにおける XAI の例気候科学研究における深層学習アルゴリズムの継続的な成功にもかかわらず、これらのアルゴリズムによって学習された決定と関係は、そのブラックボックスの性質により不明瞭なままであ … 続きを読む

カテゴリー: 機械学習, 気候変動, 高解像度 | コメントする

将来気候の評価2

ML アルゴリズムが気候変動パターンを正確に再現できれば、その外挿能力の有望な兆候が得られるでしょう。 逆に、RCM/GCM からの気候変動シグナルの大幅な逸脱は矛盾を示唆することが多く、通常はさらなる調査が必要です。 … 続きを読む

カテゴリー: 機械学習, 気候変動, 高解像度 | コメントする

将来気候の評価

将来のデータが利用できないことを考えると、観測ダウンスケーリング アルゴリズムでは将来の気候における直接評価は不可能です。 一部の研究では、経験的モデルからの対象変数の気候変動シグナルを 全球気候モデル(GCM) または … 続きを読む

カテゴリー: 機械学習, 気候変動, 高解像度 | コメントする

過去気候における評価2 過去のGCMシミュレーションによる検証

クロスバリデーションの次に、ダウンスケーリングアルゴリズム (データ制約を最大化するために、ダウンスケーリングに使 用する前に、通常、全観測期間を使って再トレーニングされ る)を全球気候モデル(GCM)の過去の入力に適用 … 続きを読む

カテゴリー: 機械学習, 気候変動, 高解像度 | コメントする