文献

J-GLOBAL ID：202202219689539052   整理番号：22A0838385

CMAQ-CNN:深層ニューラルネットワークを用いた化学輸送モデルのための後処理技術の新世代【JST・京大機械翻訳】

CMAQ-CNN: A new-generation of post-processing techniques for chemical transport models using deep neural networks

著者 (6件)： Sayeed Alqamah (Department of Earth and Atmospheric Sciences, University of Houston, TX, 77004, USA) ,  Sayeed Alqamah (Science and Technology Institute, Universities Space Research Association, Huntsville, AL, USA) ,  Eslami Ebrahim (Department of Earth and Atmospheric Sciences, University of Houston, TX, 77004, USA) ,  Eslami Ebrahim (Houston Advanced Research Center, The Woodlands, TX, 77381, USA) ,  Lops Yannic (Department of Earth and Atmospheric Sciences, University of Houston, TX, 77004, USA) ,  Choi Yunsoo (Department of Earth and Atmospheric Sciences, University of Houston, TX, 77004, USA)
資料名： Atmospheric Environment  (Atmospheric Environment)
巻： 273  ページ： Null  発行年： 2022年 
JST資料番号： C0382D  ISSN： 1352-2310  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 化学輸送モデルは,排出,輸送および堆積メカニズム,および他の物理的プロセスを考慮することによって,環境大気汚染濃度をシミュレートする。過去数十年にわたるそれらの進歩にもかかわらず,モデルは特に高濃度エピソードの間,有意なモデル測定誤差を示す。さらに,気象予測,放出推定,初期および境界条件,および他のモデル入力内のバイアスは最終予測に伝播できる。本研究は,先進深層学習アルゴリズムと連動して数値モデルの物理的プロセスを採用する実時間大気質予測のための後処理適用の新世代を紹介した。気象研究と予報(WRF)モデル(入力変数として)からのオゾン前駆体を地図化する深層畳み込みニューラルネットワーク(CNN)を用いて,モニタリングステーション(目標として)での時間毎オゾン濃度を観察した。著者らの結果は,CMAQ-CNNモデルが,精度とバイアスの両方でCMAQモデルの性能を著しく改善することを示した。絶対相関係数は平均で0.16改善した。CMAQ-CNNモデルは,ほぼ全てのケースでシミュレートしたオゾンピークを改善し,CMAQ予測のバイアスを平均20ppb以上(または40%)減少させた。CMAQ-CNNシミュレーションにおける系統的改良は,深層学習モデルが地上レベルの大気質濃度の正確な推定を再現するのに有効であることを示唆する。本研究は,米国のオゾンとCMAQの出力に焦点を当てたが,提案した手法は,メソスケール分解能での測定空気汚染パラメータまたは数値モデルに適用できる。Copyright 2022 Elsevier B.V., Amsterdam. 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 ,  大気汚染 ,  天気予報 ,  *シミュレーションモデル ,  気象 ,  数学モデル ,  オゾン ,  相関係数 ,  境界条件 ,  大気 ,  *大気モデル ,  *モデル ,  前駆体 ,  学習アルゴリズム
準シソーラス用語： 数値モデル ,  *化学輸送モデル ,  *CMAQ ,  大気質 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： オゾン予測 ,  CNN ,  機械学習 ,  CMAQ

分類 (3件)： 気圏環境汚染  (SB03020M) ,  研究開発  (SA01040R) ,  対流圏・成層圏の地球化学  (DD01020P)

タイトルに関連する用語 (5件)： CMAQ ,  CNN ,  深層ニューラルネットワーク ,  化学輸送モデル ,  後処理