通过无监督机器学习比较暴风解析模型和气候
摘要：使用高达全球气候分辨率的风暴模拟模型(SRMs)已引起广泛关注。然而，如何客观量化SRMs在解决复杂大气形态方面的差异仍然困难重重。在涉及复杂数据模拟的许多不同领域中，缺乏合适的工具来比较模型之间的相似性是一个问题。为了应对这一挑战，我们开发了一种基于非线性降维和向量量化的分布距离估计方法。我们的方法可以自动从不同模型产生的低维潜在数据表示中学习适当的相似性概念。这使得我们可以比较九个SRMs在高维模拟数据表示上的差异，并揭示只有六个SRMs在表征大气动力学方面相似。此外，我们无监督地发现了对全球变暖的对流响应的特征。我们的研究为更客观地评估未来高分辨率模拟数据提供了一条途径。
作者：Griffin Mooers, Mike Pritchard, Tom Beucler, Prakhar Srivastava, Harshini Mangipudi, Liran Peng, Pierre Gentine, Stephan Mandt
论文ID：2208.11843
分类：Atmospheric and Oceanic Physics
分类简称：physics.ao-ph
提交时间：2023-06-14