识别产生破坏性风暴潮的热带气旋以进行风险评估(例如从用于气候研究的大型降尺度风暴目录中识别),通常很棘手,因为它需要进行许多昂贵的蒙特卡罗流体动力学模拟。在这里,我们表明替代模型从准确度、召回率和精确度的角度来看很有前景,并且它们可以“推广”到新的气候情景。然后,我们提出了一种信息丰富的在线学习方法,仅使用一些流体动力学模拟即可快速搜索产生极端风暴潮的气旋。从具有详细风暴潮流体动力学模拟的最小 TC 子集开始,替代模型选择信息丰富的数据进行在线重新训练,并迭代改进其对破坏性 TC 的预测。对大量降尺度 TC 目录的结果表明,使用不到 20% 的模拟作为训练,检索罕见的破坏性风暴的精确度为 100%。信息丰富的采样方法高效、可扩展到大型风暴目录,并可推广到气候情景。
![arXiv:2501.00149v2 [physics.ao-ph] 2025 年 1 月 6 日PDF文件第1页](/bimg/f/fbbc6dbc37b2b50b717159b1ceafcf9a4f241f7e.webp)
![arXiv:2501.00149v2 [physics.ao-ph] 2025 年 1 月 6 日PDF文件第2页](/bimg/b/b76c52e3a4ddf7c2053f9cd6d572f7008bfb3cb6.webp)
![arXiv:2501.00149v2 [physics.ao-ph] 2025 年 1 月 6 日PDF文件第3页](/bimg/0/04d69c40ec555e67767e91a2703b8a88c33cac77.webp)
![arXiv:2501.00149v2 [physics.ao-ph] 2025 年 1 月 6 日PDF文件第4页](/bimg/5/56bbacff6da3dcf0cdc515abb7236a60daafd97d.webp)
![arXiv:2501.00149v2 [physics.ao-ph] 2025 年 1 月 6 日PDF文件第5页](/bimg/7/7dbe3a9a0cf067bed7b6c55266e48437951c895a.webp)
