大気シーイングの短期確率予測モデルの比較

大気シーイングの短期予測を目的として、確率的予測手法と深層学習モデルの性能をマウナケア山頂の観測データを用いて比較・評価した。

• 天文観測や光通信に重要な大気シーイングの短期予測を対象とした。
• ガウス過程や正規化フロー、LSTMなどのモデルを訓練・評価した。
• LSTMとFloTSが優れた予測精度を達成した。
• FloTSは柔軟な不確実性定量化と高い精度を両立できることを示した。

原文タイトル: Probabilistic Machine Learning for Short-Term Atmospheric Seeing Forecasting

arXiv で原文を見る

この要約は AI が生成したものであり、arXiv および論文著者の見解ではありません。