文献

J-GLOBAL ID：202002239793423989   整理番号：20A1036018

後処理アンサンブル予測におけるニューラルネットワークに基づく最適化アルゴリズム【JST・京大機械翻訳】

The Optimization Algorithm Based on Neural Networks in Post-processing Ensemble Forecasts

著者 (2件)： Xiong Minquan (National Meteorological Center, Beijing, China) ,  Dai Kan (National Meteorological Center, Beijing, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 628  ページ： 772-780  発行年： 2020年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 後処理アンサンブル予測システム(EPS)におけるニューラルネットワーク(NN)を用いて,小さな計算コストを有する信頼できて正確なアルゴリズムを操作予測において提供することが重要である。特定のネットワークアーキテクチャと入力ノードとしての予測子の選択を設計し,予測バイアスの較正のための近似試験を行った。異なるアルゴリズムの強度と弱点を理解するために,6つの訓練アルゴリズムを7-15-1ネットワークアーキテクチャと比較した。結果は,CGPが訓練における小さな計算費用とより少ない予測誤差に対して最良の性能を有することを実証した。同じ結果は,統計的仮説試験によって引き出すことができた。さらに,ステーションの上昇は予測バイアスに有意な影響を及ぼす。スキルスコアは,最も短いリードタイムでより高くなる傾向があり,高標高ステーションのすべてのリードタイムを通して,ほとんど45%と78%の間にある。比較により,数値最適化技術のスキルスコアはわずかに高く,仮説試験結果と一致した。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *最適化 ,  *最適化手法 ,  *ニューラルネットワーク ,  仮説検定 ,  近似法 ,  調達期間 ,  バイアス ,  ネットワークアーキテクチャ ,  学習アルゴリズム ,  予測誤差 ,  *アンサンブル予報
準シソーラス用語： 予測子 ,  計算コスト ,  標高 , 【Automatic Indexing@JST】

著者キーワード (4件)： 最適化 ,  ニューラルネットワーク ,  アンサンブル予測 ,  後処理

分類 (1件)： ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 後処理 ,  アンサンブル予測 ,  ニューラルネットワーク ,  最適化アルゴリズム