文献

J-GLOBAL ID：201802242134740463   整理番号：18A1062998

台風予報モデルにおける台風-海洋フィードバックのパラメータ化のためのニューラルネットワークの深層学習アルゴリズム【JST・京大機械翻訳】

A Deep Learning Algorithm of Neural Network for the Parameterization of Typhoon-Ocean Feedback in Typhoon Forecast Models

著者 (4件)： Jiang Guo-Qing (Department of Atmospheric and Oceanic Sciences, Peking University, Beijing, China) ,  Jiang Guo-Qing (Department of Earth, Atmospheric and Planetary Sciences, Massachusetts Institute of Technology, Boston, MA, USA) ,  Xu Jing (State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing, China) ,  Wei Jun (Department of Atmospheric and Oceanic Sciences, Peking University, Beijing, China)
資料名： Geophysical Research Letters  (Geophysical Research Letters)
巻： 45  号： 8  ページ： 3706-3716  発行年： 2018年 
JST資料番号： H0609B  ISSN： 0094-8276  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習ニューラルネットワークに基づく2つのアルゴリズムは,浅い学習(S-L)と深い学習(D-L)アルゴリズムを提案する。それは,台風予測を改善するために,流れに依存する台風誘発海面温度冷却(SSTC)を提供するために,大気圏のみの台風予測モデルに使用できる。予測モデルにおける既存のSSTCアルゴリズムの主要な挑戦は,歴史的データだけでなく標的台風自身からの情報を必要とする,来るべき台風によって誘発されたSSTCを正確に予測する方法である。S-Lアルゴリズムは,混合大気および海洋因子を有するニューロンの単一層を構成する。このような構造は,物理的台風-海洋相互作用を正確に表すことができないことが分かった。それは不安定なSSTC分布を生成する傾向があり,そのために,いかなる摂動もSSTCパターンと強度の両方の変化をもたらす可能性がある。D-Lアルゴリズムは,ニューロンの異なる層で分離される大気および海洋因子を持つ4×5ニューロンマトリックスにニューラルネットワークを拡張するので,機械学習はSSTCの形成における大気および海洋因子の役割を決定することができる。したがって,それは主に大気因子(例えば,風)と海洋因子(例えば渦)による小規模な特徴によって決定された大規模なパターンを持つ安定な半月形のSSTC分布を作り出す。感度実験により,D-Lアルゴリズムは,それらの大気のみのモデルランと比較して,4つの事例研究シミュレーションに対して最大風強度誤差を60~70%改善することを明らかにした。Copyright 2018 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *フィードバック ,  *学習 ,  ニューロン ,  相互作用 ,  *ニューラルネットワーク ,  *台風 ,  *風 ,  *パラメタリゼーション ,  海面水温 ,  *予測モデル ,  予測 ,  シミュレーション ,  *アルゴリズム ,  *海洋 ,  事例研究

著者キーワード (5件)： ニューラルネットワーク ,  台風 ,  熱帯低気圧 ,  大気-海洋相互作用 ,  パラメータ化

分類 (1件)： 海洋の構造・力学・循環  (DC06030G)

タイトルに関連する用語 (8件)： 台風 ,  予報モデル ,  海洋 ,  フィードバック ,  パラメータ化 ,  ニューラルネットワーク ,  深層学習 ,  アルゴリズム