文献

J-GLOBAL ID：202202228142386241   整理番号：22A1163568

順序分布オートエンコーダによるロバストな降水Bias補正【JST・京大機械翻訳】

Robust Precipitation Bias Correction Through an Ordinal Distribution Autoencoder

著者 (9件)： Luo Youcheng (Fudan University, Shanghai, China) ,  Xu Xiaoyang (Fudan University, Shanghai, China) ,  Liu Yiqun (Fudan University, Shanghai, China) ,  Chao Hanqing (Fudan University, Shanghai, China) ,  Chu Hai (Shanghai Central Meteorological Observatory, Shanghai, China) ,  Chen Lei (Shanghai Central Meteorological Observatory, Shanghai, China) ,  Zhang Junping (Fudan University, Shanghai, China) ,  Ma Leiming (Shanghai Central Meteorological Observatory, Shanghai, China) ,  Wang James Z. (The Pennsylvania State University, University Park, PA, USA)
資料名： IEEE Intelligent Systems  (IEEE Intelligent Systems)
巻： 37  号： 1  ページ： 60-70  発行年： 2022年 
JST資料番号： T0134A  ISSN： 1541-1672  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： 数値降水予測は天気予報において重要な役割を果たし,航空管理と都市災害早期警戒システムを含む公共サービスにおいて広い応用を持つ。しかし,数値気象予測(NWP)モデルは,粗い空間分解能,パラメタリゼーションの欠如,および制約されたサンプルサイズと長尾分布を含む観測と従来の気象モデルの限界による系統的バイアスによってしばしば制約される。これらの問題に取り組むために,著者らは,主に降水信頼ネットワークと2つのブロックを含む組合せネットワーク,すなわち,雑音除去自動符号器ブロックと順序分布回帰ブロックを含む,順序分布自動符号器(ODA)と呼ぶ,データ駆動深層学習モデルを提示する。降水のバイアス補正のためのエキスパートフリーモデルとして,それは,東中国で使用されるNWPモデル,中-気象予報(ECMWF)とSMS-WARMSのためのヨーロッパセンターからの気象データに基づく数値降水予測を効果的に修正することができた。2つのNWPモデルにおける実験は,いくつかの古典的機械学習アルゴリズムおよび深層学習モデルと比較して,提案したODAがバイアス補正において一般的に良好に機能することを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *降水 ,  天気予報 ,  公益事業 ,  航空輸送 ,  ネットワーク ,  気象データ ,  大気モデル ,  符号器 ,  降水予報 ,  *ロバスト性 ,  機械学習 ,  学習アルゴリズム ,  雑音除去
準シソーラス用語： ECMWF ,  データ駆動 ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  気象学一般  (DC05010D)

タイトルに関連する用語 (5件)： 順序 ,  分布 ,  オートエンコーダ ,  ロバスト ,  降水