TemperatureGAN: Generative Modeling of Regional Atmospheric Temperatures

要約

確率的ジェネレーターは、さまざまな分野に対する気候への影響を推定するのに役立ちます。
さまざまな分野における気候リスクの予測。
エネルギー システムでは、正確 (統計的にグラウンド トゥルースに類似)、信頼性 (誤った例を生成しない)、効率的なジェネレーターが必要です。
North American Land Data Assimilation System からのデータを活用して、月、場所、期間に条件付けされた敵対的生成ネットワークであるTemperatureGAN を導入し、地上 2 メートルの大気温度を 1 時間ごとの解像度で生成します。
生成されたサンプルの品質を測定するための評価方法と指標を提案します。
私たちは、TemperatureGAN が既知の日周周期と一致する優れた空間表現と時間ダイナミクスを備えた高忠実度のサンプルを生成することを示します。

要約(オリジナル)

Stochastic generators are useful for estimating climate impacts on various sectors. Projecting climate risk in various sectors, e.g. energy systems, requires generators that are accurate (statistical resemblance to ground-truth), reliable (do not produce erroneous examples), and efficient. Leveraging data from the North American Land Data Assimilation System, we introduce TemperatureGAN, a Generative Adversarial Network conditioned on months, locations, and time periods, to generate 2m above ground atmospheric temperatures at an hourly resolution. We propose evaluation methods and metrics to measure the quality of generated samples. We show that TemperatureGAN produces high-fidelity examples with good spatial representation and temporal dynamics consistent with known diurnal cycles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google