基于人工智能的海面高度数据的域外分析
摘要：使用Ulmo算法对780万个海面拓扑合并测高计L4 cdr栅格切割数据进行了离群点分析，以识别稀有（可能未知的）物理现象海面高度（SSH）数据。Ulmo是一种概率自编码器（PAE），最初用于海面温度数据。PAE由一个自编码器和一个将提取的图像编码为数据的潜在表示的正常化流组成，该正常化流将编码映射到正态分布以进行概率解释。从这个正态分布计算了每个切割数据的对数似然（LL）值，并将LL值最低的0.1百分位图像定义为异常值。Ulmo成功识别出离群值，并区分了海洋最活跃的区域，即西边界流。
作者：Benjamin Pritikin (1) and J. Xavier Prochaska (1) ((1) University of California, Santa Cruz)
论文ID：2306.06072
分类：Atmospheric and Oceanic Physics
分类简称：physics.ao-ph
提交时间：2023-06-13