トランスフォーマーとGATを備えたスペース・テンポラル・デュアル・アテンション・ネットワークを使用して,ブーイの気象データを復元するためのインテリジェントな方法

科学分野:

• 地球と環境科学 地球と環境科学
• コンピュータサイエンス コンピュータサイエンス
• データサイエンス データサイエンス

背景:

• オーシャンボイの気象センサーは,厳しい環境条件や部品の故障によりデータ損失と異常値に直面しています.
• 伝統的なインターポレーション方法は,海洋気象学的データにおける複雑な時空的依存関係を捉えるのに苦労します.
• 破損したボイデータの正確な再構築は,信頼性の高い気候モニタリングと予測に不可欠です.

研究 の 目的:

• 海洋ボイからの破損した海洋気象データの正確な再構築のための新しいディープラーニングモデルを開発する.
• 空間時間的な依存を捉えるための従来の方法の限界を解決する.
• 気象データのインタポレーションと異常修正の強度と精度を高めるため.

主な方法:

• トランスフォーマーとグラフ・アテンション・ネットワーク (GAT) のアーキテクチャを統合した空間時間双重注意ネットワーク (ST-DAN) を提案した.
• パラレルコンピューティングを活用して,時的依存関係 (位置コーディング付きのトランスフォーマー) と空間的相関関係 (物理的に情報化された隣接マトリックス付きのGAT) を捉えました.
• 評価されたST-DANは,ERA5再分析データセットと,気温と風速の再構築のためのQingdaoボイの現場観測を用いて評価された.

主要な成果:

• ST-DANは,ベースラインモデル (ARIMA,RNN,Bi-LSTM,トランスフォーマー) と比較して,さまざまなメトリック (MAE,MSE,RMSE,R2) で優れたパフォーマンスを示しました.
• このモデルは,影響重量を動的に調整することによって,相互変数の空間的相関を効果的に捉えます.
• 気象データの高精度インターポレーションと異常修正を達成し,高い強度を示しています.

結論:

• 提案されたST-DANモデルは,破損した海洋気象データを復元するための堅牢で正確なソリューションを提供します.
• トランスフォーマーとGATアーキテクチャのディープラーニング統合は,時空データ分析能力を大幅に強化します.
• ST-DANは,科学研究とアプリケーションのための海洋ボイデータの信頼性を向上させるための貴重なツールを提供します.