気象予報および地理的時系列データに基づくエルニーニョ予測

Abstract

本論文は、エルニーニョ現象の予測精度とリードタイムを高めるための新しい枠組みを提案する。エルニーニョ現象は、地球規模の気候・経済・社会的影響を緩和するうえで重要である。従来の予測モデルはしばしば海洋および大気の指標に依存するが、包括的な気象・地理データセットが捉えるような粒度や動的な相互作用を欠いている可能性がある。本枠組みは、リアルタイムの全球天気予報データと、異常値、海底下の海洋熱含量、大気圧を、さまざまな時間的・空間的解像度にわたって統合する。畳み込みニューラルネットワーク（CNN）による空間的特徴抽出と、長短期記憶（LSTM）ネットワークによる時間的依存関係のモデリングを組み合わせたハイブリッド深層学習アーキテクチャを活用することで、本枠組みはエルニーニョ現象の複雑な前兆や進展するパターンを同定することを目指す。