机构名称：
¥ 1.0
投射气候变化是一个概括问题：我们使用过去，现在和将来的气候中的物理模型推断了最近的过去。当前的气候模型需要在小于模型网格大小的尺度上发生的过程，这是模型投影不确定性的主要来源。最近的机器学习（ML）算法有望改善这种过程表示形式，但往往会推断出不受培训的气候制度。为了获得最佳的物理和统计世界，我们提出了一个框架，称为“气候风险” ML，将气候过程的知识纳入ML算法，并表明它可以在三种不同的大气模型中维持广泛的气候条件和配置范围的高线准确性。我们的结果表明，将物理知识明确地纳入地球系统过程的数据驱动模型中可以提高其在气候制度中的一致性，数据效率和义务。
气候不变的机器学习 - Paul O'Gorman
主要关键词
相关文件推荐
