机构名称：
¥ 2.0
摘要气候科学和天气风险管理的主要目标是准确地对极端事件的物理和统计数据进行建模。这两个目标在根本上是矛盾的：计算模型的分辨率越高，越来越昂贵的是捕获分布尾部准确统计的合奏。在这里，我们专注于在空间和时间上局部的事件，例如大降水事件，这些事件可能会突然开始并迅速腐烂。，我们比直接气候模型模拟更有效地推进了对此类事件进行采样的方法。我们的方法结合了两种现有方法的元素：自适应多级拆分（AMS），这是一种罕见的事件算法，产生严格的统计数据，但无法增强突然的，瞬态极端的采样；和“合奏增强”，它产生了这些事件的物理上合理的故事情节，而不是它们的统计数据。，我们通过在集合提升的方法之前在事件发作之前很好地拆分轨迹来修改AM。早期分裂需要一个降低效率的拒绝步骤，但对于使用Lorenz -96模型放大和多样化的模拟事件至关重要，为此我们证明了对极端局部能量波动的提高采样大约相对于直接采样的10倍。我们的方法与以前的算法有关，包括子集模拟和预期的AM，但明确定制的是处理由混乱的行进波造成的爆发事件。我们的工作朝着有效地在大气模型中有效采样这种瞬时的局部极端的目标取得了进步。
罕见的事件抽样，用于突然的瞬态极端事件
主要关键词
相关文件推荐
