嵐サージ予測のための先進時空間畳込みリカレントニューラルネットワーク【JST・京大機械翻訳】

Adeli Ehsan; Sun Luning; Wang Jianxun; Taflanidis Alexandros A.

プレプリント

J-GLOBAL ID：202202220121763499 整理番号：22P0335712

嵐サージ予測のための先進時空間畳込みリカレントニューラルネットワーク【JST・京大機械翻訳】

An advanced spatio-temporal convolutional recurrent neural network for storm surge predictions

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 (4件)： , , ,
資料名：
発行年： 2022年04月18日プレプリントサーバーでの情報更新日： 2022年04月18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)

本研究では,人工的なニューラルネットワークモデルの能力を研究し,嵐トラック/サイズ/強度履歴に基づいて嵐サージをエミュレートし,合成嵐シミュレーションのデータベースをレバーする。伝統的に,計算流体力学ソルバを用いて,部分微分方程式であるストームサージ支配方程式を数値的に解き,一般に非常に高価である。本研究は,合成嵐シミュレーションのデータベースによって知らされた,嵐サージを予測できるニューラルネットワークモデルを提示する。このモデルは,非常に高価なCFDソルバのための迅速で手頃なエミュレータとして役立つ。ニューラルネットワークモデルを,CFDソルバを駆動するために使用される嵐トラックパラメータで訓練し,モデルの出力は,関心の空間領域内の多重ノードにわたる予測嵐サージの時系列進化である。モデルが訓練されると,それは新しい嵐トラック入力に基づく更なる予測のために展開できる。開発したニューラルネットワークモデルは時系列モデル,長い短期メモリ,Reカレントニューラルネットワークの変化であり,これは畳込みニューラルネットワークで豊富である。畳み込みニューラルネットワークを用いて,データの相関を空間的に捉えた。したがって,データの時間的および空間的相関を,上記のモデル,ConvLSTMモデルの組合せによって捉えた。この問題がシーケンス時系列問題のシーケンスであるので,符号器デコーダConvLSTMモデルを設計した。モデル訓練のプロセスにおけるいくつかの他の技術も用いて,モデル性能を強化した。結果は,提案した畳込み再帰ニューラルネットワークが,調査した合成嵐データベースに対してGaussプロセス実装より優れていることを示した。【JST・京大機械翻訳】

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

電離層・熱圏 , 地磁気変動・脈動

, , , ,

前のページに戻る