4CastNet:適応Fourierニューラル演算子を用いたグローバルデータ駆動高分解能気象モデル【JST・京大機械翻訳】

Pathak Jaideep; Subramanian Shashank; Harrington Peter; Raja Sanjeev; Chattopadhyay Ashesh; Mardani Morteza; Kurth Thorsten; Hall David; Li Zongyi; Azizzadenesheli Kamyar; Hassanzadeh Pedram; Kashinath Karthik; Anandkumar Animashree

プレプリント

J-GLOBAL ID：202202200966357049 整理番号：22P0293826

4CastNet:適応Fourierニューラル演算子を用いたグローバルデータ駆動高分解能気象モデル【JST・京大機械翻訳】

FourCastNet: A Global Data-driven High-resolution Weather Model using Adaptive Fourier Neural Operators

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (13件)： , , , , , , , , , , , ,
資料名：
発行年： 2022年02月22日プレプリントサーバーでの情報更新日： 2022年02月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

4CastNetは,Fourier予報ニューラルネットワークに対して短く,0.25°分解能で中範囲全体予測に正確な短さを与える大域的データ駆動天気予報モデルである。4CastNetは,表面風速,降水および大気水蒸気のような高分解能,高速時間スケール変数を正確に予測した。それは,熱帯低気圧,温帯低気圧,および大気河川のような極端な気象事象を予測する,風力エネルギー資源の計画に重要な含意を持つ。4CastNetは,大規模変数に対する短いリードタイムで,最新の数値気象予測(NWP)モデル,ECMWF統合予測システム(IFS)の予測精度に合致し,一方,降水を含む複雑な微細スケール構造の変数に対してIFSを凌駕する。4CastNetは,IFSよりも2秒以下の1週間長の予報を発生し,1桁は速い。4CastNetのスピードは,確率的予測を改善するために,数千のアンサンブルメンバーによる迅速かつ安価な大規模アンサンブル予測の創造を可能にする。著者らは,4CastNetのようなデータ駆動深層学習モデルが,NWPモデルを援助し,増強するための気象ツールキットへの貴重な付加である方法について議論する。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

天気予報

, , , , ,

前のページに戻る