机构名称：
¥ 1.0
摘要：大西洋子午翻转循环（AMOC）是全球气候的重要组成部分，已知是倾倒元素，因为它可能在全球变暖下崩溃。这项研究的主要目的是使用一种称为轨迹 - 自适应多级分裂（TAMS）的稀有事实算法来计算AMOC在指定时间窗口内崩溃的概率。但是，TAM的效率和准确性取决于分数函数的选择。尽管已知最佳得分函数的定义称为“委员会函数”，但总的来说，不可能先验地计算它。在这里，我们将TAM与下一代储层计算技术相结合，该计算技术从稀有事实算法产生的数据中估计委员会函数。我们在存在两种类型的过渡的AMOC的随机盒模型中测试了这一技术，所谓的快速（F）和慢速（S）过渡。f的结果与使用物理知情得分函数的文献中的结果相比有利。我们表明，使用机器学习的稀有事实算法可以正确估计过渡概率，过渡时间甚至过渡路径，以实现广泛的模型参数。然后，我们将这些结果扩展到同一模型中S转变的更为困难问题。在两种F转型和S转型的情况下，我们还展示了如何解释下一代储层计算技术以检索委员会功能的分析估计。
使用基于机器学习的稀有事件算法估算AMOC过渡概率
主要关键词
相关文件推荐
