文献

J-GLOBAL ID：202202280233845962   整理番号：22A0203774

深層学習を用いたインドモンスーン地域の総観規模海面気圧の予測【JST・京大機械翻訳】

Prediction of Synoptic-Scale Sea Level Pressure Over the Indian Monsoon Region Using Deep Learning

著者 (5件)： Sinha Aryaman (Department of Chemical Engineering, IIT Delhi, New Delhi, India) ,  Gupta Mayuna (Department of Chemical Engineering, IIT Delhi, New Delhi, India) ,  Srujan K. S. S. Sai (Centre for Atmospheric Sciences, IIT Delhi, New Delhi, India) ,  Kodamana Hariprasad (Department of Chemical Engineering, IIT Delhi, New Delhi, India) ,  Sandeep S. (Centre for Atmospheric Sciences, IIT Delhi, New Delhi, India)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.1003505.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： 総観規模(3-7日)の変動性は,インドの夏季モンスーン(ISM)の季節的降水に対する主要な寄与者である。動的または統計的モデルによるISM降水の正確な予測は,課題のままである。ここでは,海面圧力(SLP)を,深層学習モデル,すなわち畳み込み長短期記憶(ConvLSTM)ネットワークを用いて,低圧力システム(LPSs)の生成と同様に,活性破壊サイクルを予測するプロキシとして使用できることを示した。深層学習モデルは,7日のリードタイムで,インド中央部とベンガル湾の毎日のSLP異常を確実に予測することができる。SLPの変動が大気循環の強さの変化を駆動するので,SLP異常の予測はISMの強度の予測に有用である。従来の数値気象予測モデルの予測とConvLSTM予測SLPの比較は,深い学習モデルが中央インドとベンガル湾における総観規模SLP変動を捉えるのにより良いスキルを有することを示した。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： 畳込み ,  降水 ,  学習モデル ,  ネットワーク ,  低圧 ,  気象 ,  インド ,  *海面 ,  大気循環 ,  ベンガル湾 ,  調達期間 ,  *総観規模 ,  海面気圧 ,  予測モデル
準シソーラス用語： *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 深層学習 ,  インド ,  モンスーン ,  地域 ,  総観規模 ,  海面気圧 ,  予測