A Neural Operator-Based Emulator for Regional Shallow Water Dynamics

要約

沿岸地域は、海面上昇や極端な気象現象の影響に対して特に脆弱です。
これらの分野での流体力学的プロセスの正確なリアルタイム予測は、インフラストラクチャの計画と気候適応に不可欠です。
この研究では、寸法削減を使用して効率的に高次の高次元数値ソルバーを使用して、時間依存性のパラメーター化された部分的な微分微分に準拠する複雑で非線形の問題について、次元削減を効率的に近似する高次の数値ソルバーである、複数入力時間演算子ネットワーク（Mitonet）を提示します。
方程式。
Mitonetは幅広い問題に適用できますが、2次元の浅い水方程式によって記述された地域の潮駆動型ダイナミクスを予測することにより、初期条件、境界条件、さまざまなドメインパラメーターを組み込みます。
現実世界のアプリケーションでのMitonetのパフォーマンスを実証し、時間とパラメトリック空間の両方で外挿することにより、正確な予測を行う能力を強調します。

要約(オリジナル)

Coastal regions are particularly vulnerable to the impacts of rising sea levels and extreme weather events. Accurate real-time forecasting of hydrodynamic processes in these areas is essential for infrastructure planning and climate adaptation. In this study, we present the Multiple-Input Temporal Operator Network (MITONet), a novel autoregressive neural emulator that employs dimensionality reduction to efficiently approximate high-dimensional numerical solvers for complex, nonlinear problems that are governed by time-dependent, parameterized partial differential equations. Although MITONet is applicable to a wide range of problems, we showcase its capabilities by forecasting regional tide-driven dynamics described by the two-dimensional shallow-water equations, while incorporating initial conditions, boundary conditions, and a varying domain parameter. We demonstrate MITONet’s performance in a real-world application, highlighting its ability to make accurate predictions by extrapolating both in time and parametric space.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google