ترجمه فارسی مقاله GPC/m: اقلیم شناسی بارش جهانی توسط یادگیری ماشینی. وضوح فضایی شبه جهانی، روزانه و یک درجه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی GPC/m: Global Precipitation Climatology by Machine Learning; Quasi-global, Daily, and One Degree Spatial Resolution
عنوان مقاله به فارسی GPC/m: اقلیم شناسی بارش جهانی توسط یادگیری ماشینی. وضوح فضایی شبه جهانی، روزانه و یک درجه
نویسندگان Hiroshi G. Takahashi
فرمت مقاله انگلیسی PDF
تعداد صفحات 22
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Atmospheric and Oceanic Physics,فیزیک جوی و اقیانوسی ,
توضیحات Submitted 15 September, 2024; originally announced September 2024. , Comments: 8 figures, the daily precipitation data is provided via Zenode (https://doi.org/10.5281/zenodo.13743725). 3 videos are provided as Supplementary Materials
توضیحات به فارسی ارسال شده در 15 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: 8 شکل ، داده های بارش روزانه از طریق Zenode (https://doi.org/10.5281/zenodo.13743725) ارائه می شود.3 فیلم به عنوان مواد تکمیلی ارائه شده است
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

This paper presents a new precipitation dataset that is daily, has a spatial resolution of one degree on a quasi-global scale, and spans more than 42 years, using machine learning techniques. The ultimate goal of this dataset is to provide a homogeneous daily precipitation dataset for several decades without gaps, which is suitable for climate analysis. As a first step, 42 years of daily precipitation data was generated using machine learning techniques. The machine learning methods are supervised learning, and the reference data are estimated precipitation datasets from 2001 to 2020. The three machine learning methods are random forest, gradient-boosted decision trees, and convolutional neural networks. The input data are satellite observations and atmospheric circulations from reanalysis, which are somewhat modified based on knowledge of the climatological background. Using the trained statistical models, we predict back to 1979, when daily precipitation data was almost unavailable globally. The detailed procedures are described in this paper. The produced data have been partially evaluated. However, additional evaluations from different perspectives are needed. The advantages and disadvantages of this precipitation dataset are also discussed. Currently, this GPC/m precipitation dataset version is GPC/m-v1-2024.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک مجموعه داده بارش جدید که روزانه است ، ارائه شده است ، دارای وضوح مکانی از یک درجه در مقیاس شبه جهانی است و بیش از 42 سال با استفاده از تکنیک های یادگیری ماشین می گذرد.هدف نهایی این مجموعه داده ارائه یک مجموعه داده بارش روزانه همگن برای چندین دهه بدون شکاف است که برای تجزیه و تحلیل آب و هوا مناسب است.به عنوان اولین قدم ، 42 سال از داده های بارش روزانه با استفاده از تکنیک های یادگیری ماشین تولید شد.روشهای یادگیری ماشین تحت نظارت یادگیری است و داده های مرجع مجموعه داده های بارش از سال 2001 تا 2020 تخمین زده می شوند. سه روش یادگیری ماشین ، جنگل های تصادفی ، درختان تصمیم گیری شیب دار و شبکه های عصبی حلقوی هستند.داده های ورودی مشاهدات ماهواره ای و گردش خون جوی از تجزیه و تحلیل مجدد هستند که بر اساس دانش در مورد پس زمینه اقلیمی اصلاح می شوند.با استفاده از مدلهای آماری آموزش دیده ، ما به سال 1979 پیش بینی می کنیم ، هنگامی که داده های بارش روزانه تقریباً در سطح جهان در دسترس نبود.روشهای دقیق در این مقاله شرح داده شده است.داده های تولید شده تا حدی ارزیابی شده اند.با این حال ، ارزیابی های اضافی از دیدگاه های مختلف مورد نیاز است.مزایا و مضرات این مجموعه داده بارش نیز مورد بحث قرار گرفته است.در حال حاضر ، این نسخه مجموعه داده بارش GPC/M GPC/M-V1-2024 است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.