本研究では、理想化された渦駆動海洋モデルの4つの予報変数を1ステップ先まで予測するためのフーリエニューラルオペレーター(FNO)の構築に取り組んでいる。
データ前処理に関するハイパーパラメータとしては、入力データへのパディングの有無とその種類、および座標特徴の追加の有無を検討した。
ニューラルアーキテクチャに関するハイパーパラメータとしては、リフト層のアクティベーション関数、FNOブロックの数、潜在特徴の数、保持するフーリエモードの数、プロジェクション層の数とサイズ、プロジェクション層のアクティベーション関数などを最適化した。
学習プロセスに関するハイパーパラメータとしては、損失関数の重み係数、最適化手法、学習率、重み減衰、バッチサイズなどを調整した。
損失関数には、平均二乗誤差(MSE)と負の異常相関係数(ACC)を組み合わせた複合損失を採用し、両者のトレードオフを調査した。
実験の結果、最適なハイパーパラメータ設定により、単一ステップ予測の精度が向上し、さらに長期の自己回帰予測でも大幅な改善が見られた。MSEとACCの間に明確なトレードオフは見られず、ACCの追加がMSEの低減にも寄与することが示された。
本研究では、FNOを用いた海洋動態モデリングの性能を最適化する効率的なアプローチを提示している。今後は、より効率的な関数評価戦略の探索や、負のACCが損失関数の最適化に与える影響の分析などに取り組む予定である。
לשפה אחרת
מתוכן המקור
arxiv.org
תובנות מפתח מזוקקות מ:
by Yixuan Sun,O... ב- arxiv.org 04-10-2024
https://arxiv.org/pdf/2404.05768.pdfשאלות מעמיקות