用机器学习解释热浪
摘要：从ERA5再分析中使用广泛的可能预测变量，以及利用神经网络学习热浪与各种气候变量之间的关系。我们基于统计模型性能的影响定义Shapley值，并发现一个非线性模型能够解释70％的降低热浪变异性，其中27％归因于高层位势，而顶层土壤湿度贡献了15％的总体得分。此外，Shapley交互值使我们能够量化所有预测变量对之间的重叠信息和积极协同作用。
作者：Sebastian Buschow, Jan Keller and Sabrina Wahl
论文ID：2305.15170
分类：Atmospheric and Oceanic Physics
分类简称：physics.ao-ph
提交时间：2023-05-25