文献

J-GLOBAL ID：202202273680160499   整理番号：22A0562504

深い畳込みニューラルネットワークによる米国におけるトルネード日の予測【JST・京大機械翻訳】

Prediction of tornado days in the United States with deep convolutional neural networks

著者 (2件)： McGuire Michael P. (Department of Computer and Information Sciences, Towson University, 8000 York Road, Towson, MD, 21252, USA) ,  Moore Todd W. (Department of Geosciences, Fort Hays State University, 600 Park Street, Hays, KS, 67601, USA)
資料名： Computers & Geosciences  (Computers & Geosciences)
巻： 159  ページ： Null  発行年： 2022年 
JST資料番号： D0320B  ISSN： 0098-3004  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 米国におけるトルネード発生は,多数の人間および経済損失を引き起こした。トルネードを生産する気象変数の空間的パターンを見つけるためのグリッド化気候データの解析は,しばしば,目視検査を必要とする時間消費と手動プロセスである。したがって,トルネード発生を生じる気候データにおけるパターンを認識するための畳み込みニューラルネットワーク(CNN)の訓練能力は,気候学者にとって大きな利益になるであろう。本論文では,LeNet-5,VGG-16,およびResnet-50を含む複雑さの増加の3つのCNNを訓練して,対流利用可能なポテンシャルエネルギー(CAPE),対流抑制(CIN),嵐相対ヘリシティ(HLCY),およびジオポテンシャル高さのグリッド値に基づく様々なサイズのトルネード発生による日数を予測した。3つのモデルすべては,わずかに良い性能を有する可変CAPEを用いたVGG-16による20トルネード以上の大きなトルネード発生の予測において有望な結果を示し,トルネード環境の分析においてCAPEの重要性を強調した。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： 対流 ,  *ニューラルネットワーク ,  アメリカ合衆国 ,  ポテンシャルエネルギー ,  ヘリシティ ,  気候学 ,  ジオポテンシャル ,  *トルネード ,  空間 ,  機械学習 ,  肉眼検査
準シソーラス用語： 気候値 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械学習 ,  深層学習 ,  気候学 ,  トルネード予測

分類 (2件)： 人工知能  (JE08000Z) ,  中小規模擾乱,降水特性  (DC05120X)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  米国 ,  トルネード ,  予測