文献

J-GLOBAL ID：201802271871789174   整理番号：18A0025581

人為的対天然気候変動を評価するための機械学習の応用【Powered by NICT】

The application of machine learning for evaluating anthropogenic versus natural climate change

著者 (5件)： Abbot John (James Cook University, Townsville, Queensland, Australia) ,  Abbot John (Institute of Public Affairs, Melbourne, Victoria, Australia) ,  Abbot John (Climate Modelling Laboratory, Noosa, Queensland, Australia) ,  Marohasy Jennifer (Institute of Public Affairs, Melbourne, Victoria, Australia) ,  Marohasy Jennifer (Climate Modelling Laboratory, Noosa, Queensland, Australia)
資料名： GeoResJ  (GeoResJ)
巻： 14  ページ： 36-46  発行年： 2017年 
JST資料番号： W3469A  ISSN： 2214-2428  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 年輪のような温度のプロキシーから得た時系列プロファイルは,過去の気候に関する情報を提供することができる。六つのこのようなデータセットの行った信号解析と,人工ニューラルネットワーク(ANN),機械学習の形への入力として用いて,得られた成分正弦波。成分正弦波のスペクトル特性,周期,振幅と位相などを最適化することにより,元の温度プロファイルは1830CEに後期完新世期間のシミュレーションであった。ANNモデルは,二十世紀を通じて温度の予測を生成するために使用した。ANN予測間の最大偏差と六地理的に異なる領域で測定された温度は約0.2°Cであり,このことから約0.6°Cの平衡気候感度(ECS)を推定した。これはIPCC(気候変化に関する)政府間パネルで使用されている大気大循環モデル(GCMs)からの推定値よりもかなり小さく,および分光学的方法からの推定値と類似していた。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 最適化 ,  信号解析 ,  推定量 ,  *気候変動 ,  *気候 ,  予測 ,  年輪 ,  温度分布 ,  正弦波 ,  *機械学習 ,  大気大循環モデル ,  位相 ,  ニューラルネットワーク
準シソーラス用語： IPCC ,  気候感度 , 【Automatic Indexing@JST】

分類 (1件)： 脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (4件)： 気候変動 ,  評価 ,  機械学習 ,  応用