海面温度予測のためのディープニューラルネットワーク：結論と今後の課題

リンク一覧

• 概要と序文
• 背景
• 提案手法
• 実験結果と分析
• 結論と今後の課題
• 参考文献

V. 結論と今後の課題

本稿では、過去の観測データを利用して数値モデルデータの物理的要素を改良および調整する、物理的知識補正に基づく SST 予測アプローチを紹介します。具体的には、事前ネットワークを使用して観測データから物理的知識を抽出しました。次に、事前学習済みの事前ネットワークを数値モデルデータに適用して、物理的に強化された SST を生成しました。最後に、生成されたデータを使用して、SST 予測用の ConvLSTM ネットワークをトレーニングしました。さらに、物理的知識に基づく強化データを活用して ConvLSTM ネットワークをトレーニングし、予測パフォーマンスをさらに向上させました。提案された方法は、6 つの最先端方法と比較して最高のパフォーマンスを達成しました。数値モデルデータの物理的部分は提案方法によって修正されていますが、解釈可能なモデルを使用すれば、予測パフォーマンスをさらに向上させることができます。今後は、ディープネットワークからより適切な知識を抽出し、実際のアプリケーションに適した解釈可能なモデルを設計する予定です。