Long-term prediction of El Niño-Southern Oscillation using reservoir computing with data-driven realtime filter

要約

近年、気候の動的現象の時系列予測への機械学習アプローチの適用がますます活発になっています。
バンドパスフィルターをタイムシリーズデータに適用することが、高品質のデータ駆動型モデルを取得するための鍵であることが知られています。
ここでは、機械学習モデルの長期的な予測可能性を取得するために、新しいタイプのバンドパスフィルターを導入します。
過去の時系列のみに依存しているため、リアルタイムの運用予測ワークフローに適用できます。
フィルターと貯水池コンピューティングを組み合わせます。これは、データ駆動型の動的システムを使用する機械学習手法です。
アプリケーションとして、過去の時系列のみを使用して、24か月の予測期間を使用して、エルニ\〜南振動の複数年のダイナミクスを予測します。

要約(オリジナル)

In recent years, the application of machine learning approaches to time-series forecasting of climate dynamical phenomena has become increasingly active. It is known that applying a band-pass filter to a time-series data is a key to obtaining a high-quality data-driven model. Here, to obtain longer-term predictability of machine learning models, we introduce a new type of band-pass filter. It can be applied to realtime operational prediction workflows since it relies solely on past time series. We combine the filter with reservoir computing, which is a machine-learning technique that employs a data-driven dynamical system. As an application, we predict the multi-year dynamics of the El Ni\~no-Southern Oscillation with the prediction horizon of 24 months using only past time series.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google