Interpolation of mountain weather forecasts by machine learning

要約

物理モデルに基づく数値シミュレーション手法と機械学習との組み合わせの最近の進歩により、天気予報の精度が向上しました。
ただし、これらの手法は通常、数キロメートル四方のグリッドと単純な機械学習モデルを使用するため、山岳地帯などの複雑な地形では精度が低下します。
ディープラーニングも近年大きな進歩を遂げていますが、シミュレーションで使用される物理知識をそのまま活用することは困難です。
本論文では、山間部の天気予報を改善するために、周囲の平野部の予測データと過去の観測データを用いて機械学習を用いて山地の将来の天気を補間する手法を提案する。
日本の山岳地帯に焦点を当て、主にLightGBMを機械学習モデルとして用いて気温と降水量を予測します。
小規模なデータセットを使用しているにもかかわらず、特徴量エンジニアリングとモデル調整を通じて、私たちの方法は大幅に少ないトレーニング時間で RMSE の改善を部分的に達成します。

要約(オリジナル)

Recent advances in numerical simulation methods based on physical models and their combination with machine learning have improved the accuracy of weather forecasts. However, the accuracy decreases in complex terrains such as mountainous regions because these methods usually use grids of several kilometers square and simple machine learning models. While deep learning has also made significant progress in recent years, its direct application is difficult to utilize the physical knowledge used in the simulation. This paper proposes a method that uses machine learning to interpolate future weather in mountainous regions using forecast data from surrounding plains and past observed data to improve weather forecasts in mountainous regions. We focus on mountainous regions in Japan and predict temperature and precipitation mainly using LightGBM as a machine learning model. Despite the use of a small dataset, through feature engineering and model tuning, our method partially achieves improvements in the RMSE with significantly less training time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google