Regional Ocean Forecasting with Hierarchical Graph Neural Networks

要約

正確な海洋予測システムは、環境管理や気候適応戦略において重要な役割を果たす海洋動態を理解するために不可欠です。
従来の数値ソルバーは効果的ではありますが、計算コストと時間がかかります。
機械学習の最近の進歩は天気予報に革命をもたらし、高速でエネルギー効率の高い代替手段を提供します。
これらの進歩に基づいて、高解像度、中距離の海洋予測用に設計されたニューラル ネットワークである SeaCast を紹介します。
SeaCast は、グラフベースのフレームワークを採用して海洋グリッドの複雑な形状を効果的に処理し、地域の海洋状況に合わせた外部強制データを統合します。
私たちのアプローチは、コペルニクス海洋サービスが提供する地中海の運用数値モデルと、数値およびデータ駆動型の大気強制力の両方を使用した、高空間解像度での実験を通じて検証されます。

要約(オリジナル)

Accurate ocean forecasting systems are vital for understanding marine dynamics, which play a crucial role in environmental management and climate adaptation strategies. Traditional numerical solvers, while effective, are computationally expensive and time-consuming. Recent advancements in machine learning have revolutionized weather forecasting, offering fast and energy-efficient alternatives. Building on these advancements, we introduce SeaCast, a neural network designed for high-resolution, medium-range ocean forecasting. SeaCast employs a graph-based framework to effectively handle the complex geometry of ocean grids and integrates external forcing data tailored to the regional ocean context. Our approach is validated through experiments at a high spatial resolution using the operational numerical model of the Mediterranean Sea provided by the Copernicus Marine Service, along with both numerical and data-driven atmospheric forcings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google