证据下界理论及其在使用条件变分自动编码器进行超分辨率数据同化（SRDA）中的应用
摘要：同时优化同化和生成过程的观测数据的框架的提出，这是通过使用由编码器和解码器组成的条件变分自动编码器(CVAE)实现的。编码器通过估计给定时间的背景状态和观测数据中的真实状态来执行同化，而解码器作为观测操作符从真实状态生成观测数据。CVAE的无监督学习的损失函数被视为三维变分(3D-Var)同化的目标函数，为使用CVAE提供了理论基础。此外，通过利用先验分布的任意性，将提出的框架应用于超分辨数据同化(SRDA)。具体而言，通过SR模型对背景状态进行超分辨，并在训练CVAE时使用。这种方法允许编码器同时执行SR和DA。通过理想化的平面性海洋涡流系统上的数值实验验证了所提出的SRDA的有效性。尽管大多数网格点缺失，但SR模型可以使用观测数据作为目标数据进行训练。这一成就归因于卷积的平移等变性。与集合卡尔曼滤波器的比较表明，SRDA具有更优越的性能和更低的计算成本。重要的是，SRDA可以通过SR模型和CVAE的组合在任何时间步推断出高分辨率的预测。这项研究为在同化中使用深度生成模型提供了理论基础和动机。
作者：Yuki Yasuda and Ryo Onishi
论文ID：2308.03351
分类：Atmospheric and Oceanic Physics
分类简称：physics.ao-ph
提交时间：2023-08-08