文献

J-GLOBAL ID：202102212027734181   整理番号：21A0677085

ハイパーパラメータ最適化のためのMeta学習支援深層学習ベース最大温度予測【JST・京大機械翻訳】

Deep Learning-Based Maximum Temperature Forecasting Assisted with Meta-Learning for Hyperparameter Optimization

著者 (5件)： Tran Trang Thi Kieu (Department of Civil Engineering, ERI, Gyeongsang National University, 501 Jinju-daero, Jinju, Gyeongnam 660-701, Korea) ,  Lee Taesam (Department of Civil Engineering, ERI, Gyeongsang National University, 501 Jinju-daero, Jinju, Gyeongnam 660-701, Korea) ,  Shin Ju-Young (Applied Meteorology Research Division, National Institute of Meteorological Sciences, Seogwipo 63568, Korea) ,  Kim Jong-Suk (State Key Laboratory of Water Resources and Hydropower Engineering Science, Wuhan University, Wuhan 430072, China) ,  Kamruzzaman Mohamad (Senior Scientific Officer, Bangladesh Rice Research Institute, Gazipur 1701, Bangladesh)
資料名： Atmosphere (Web)  (Atmosphere (Web))
巻： 11  号： 5  ページ： 487  発行年： 2020年 
JST資料番号： U7137A  ISSN： 2073-4433  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 毎日の温度のような気象変数の時系列予測は,最近,従来の予測モデルの限界に対処するために,研究者からかなり注目されている。しかし,中範囲(例えば,520日)予測は,動的気象モデルから信頼できる予測結果を得る非常に挑戦的な作業である。それにもかかわらず,正確な時系列予測モデルの開発および選択は,それらの中で最良を見つけるための様々な異なるモデルを訓練することを含むので,挑戦的である。さらに,選択したモデルの最適トポロジーの選択も重要である。最大温度の正確な予測は,農業や産業のような多くの部門と同様に,人間の生活において重要な役割を担っている。温度の上昇は,特に夏に,高地の都市熱を悪化させ,人々の健康に著しい影響を与える。超パラメータ最適化のための深層学習ネットワーク構造を最適化するためにメタ学習原理を適用した。特に,メタ学習のための遺伝的アルゴリズム(GA)を用いて,使用したネットワークの最適アーキテクチャを選択した。データセットを用いて,3つの異なるモデル,すなわち人工ニューラルネットワーク(ANN),再帰ニューラルネットワーク(RNN),および長い短期記憶(LSTM)を訓練し,試験した。著者らの結果は,LSTMネットワークとGAのハイブリッドモデルが長いリードタイム予測のために他のモデルより優れていることを実証した。特に,LSTM予測は,2.719(C)の二乗平均平方根誤差(RMSE)値を有する夏季の15日先頭について,RNNとANNに対して優位性を持つ。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位相幾何学 ,  *最適化 ,  ネットワーク ,  ニューラルネットワーク ,  都市 ,  夏 ,  ネットワーク構造 ,  *最高気温 ,  高地 ,  計算機アーキテクチャ ,  予測モデル
準シソーラス用語： 時系列予測 ,  *パラメータ最適化 ,  ハイブリッドモデル ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  温度予測 ,  時系列予測 ,  メタ学習 ,  遺伝的アルゴリズム

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (39件)：

• Sekula, P.; Bokwa, A.; Bochenek, B.; Zimnoch, M. Prediction of air temperature in the Polish Western Carpathian Mountains with the ALADIN-HIRLAM numerical weather prediction system. Atmosphere 2019, 10, 186.
• Frnda, J.; Durica, M.; Nedoma, J.; Zabka, S.; Martinek, R.; Kostelansky, M. A weather forecast model accuracy analysis and ecmwf enhancement proposal by neural network. Sensors 2019, 19, 5144.
• Fahimi Nezhad, E.; Fallah Ghalhari, G.; Bayatani, F. Forecasting Maximum Seasonal Temperature Using Artificial Neural Networks “Tehran Case Study”. Asia Pac. J. Atmos. Sci. 2019, 55, 145-153.
• Nayak, D.R.; Mahapatra, A.; Mishra, P. A Survey on Rainfall Prediction using Artificial Neural Network. Int. J. Comput. Appl. 2013, 72, 32-40.
• Hassan, Z.; Shamsudin, S.; Harun, S.; Malek, M.A.; Hamidon, N. Suitability of ANN applied as a hydrological model coupled with statistical downscaling model: A case study in the northern area of Peninsular Malaysia. Environ. Earth Sci. 2015, 74, 463-477.

タイトルに関連する用語 (5件)： ハイパーパラメータ ,  最適化 ,  学習支援 ,  深層学習 ,  温度予測