文献

J-GLOBAL ID：202002279941496578   整理番号：20A2582408

雲分解モデルにおける放射パラメタリゼーションのためのニューラルネットワークエミュレーションの評価【JST・京大機械翻訳】

Evaluation of Neural Network Emulations for Radiation Parameterization in Cloud Resolving Model

著者 (2件)： Roh Soonyoung (National Institute of Meteorological Sciences, Korea Meteorological Administration, Jeju, South Korea) ,  Song Hwan-Jin (National Institute of Meteorological Sciences, Korea Meteorological Administration, Jeju, South Korea)
資料名： Geophysical Research Letters  (Geophysical Research Letters)
巻： 47  号： 21  ページ： e2020GL089444  発行年： 2020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： 本研究では,雲解消シミュレーションの下で開発した300から56のニューロンを有するニューラルネットワーク(NN)ベースの放射エミュレータの予測性能を評価した。これらのエミュレータは,元のパラメタリゼーションよりも20-100倍速く,6時間にわたって進化的特徴をよく表現する。結果は,NNエミュレータの頻繁な使用が,計算速度だけでなく,元の放射線パラメタリゼーションのまれな使用と比較して予測精度を改善でき,それは,一般的に高速化のために使われるが,他のプロセスとの不均衡の結果として,数値不安定性を誘発することができることを示唆する。エミュレータ結果の予測誤差は,類似した計算コストでまれな放射ランの場合と比較して大幅に改善された。56-ニューロンエミュレータの結果は,計算コストが5倍高い,まれなランよりもさらに正確であった。放射エミュレータの速度と精度優位性は天気予報に利用できる。Copyright 2020 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： シミュレーション ,  計算機シミュレーション ,  天気予報 ,  ニューロン ,  放射線 ,  *ニューラルネットワーク ,  *エミュレーション ,  計算機処理速度 ,  高速化 ,  エミュレータ ,  パラメタリゼーション ,  予測誤差
準シソーラス用語： 予測精度 ,  予測性能 ,  計算コスト ,  雲解像モデル , 【Automatic Indexing@JST】

著者キーワード (6件)： 放射線 ,  RRTMG ,  ニューラルネットワーク ,  KLAPS ,  WRF ,  雲

分類 (2件)： 雲と降水の微物理  (DC05110M) ,  放射,大気光学  (DC05080C)

タイトルに関連する用語 (4件)： 雲分解モデル ,  放射 ,  パラメタリゼーション ,  評価