物理学 > 地球物理
[提交于 2021年2月24日
]
标题: 作为气候可预测性研究工具的储备计算
标题: Reservoir Computing as a Tool for Climate Predictability Studies
摘要: 降阶动力学模型在发展我们对可预测性的理解中起着核心作用,无论我们处理的是实际的气候系统还是替代的气候模型。 在此背景下,线性逆建模(LIM)方法通过捕捉完整系统中动力学组件之间的一些关键相互作用,已被证明在提供对完整系统可预测性的见解方面非常有价值。 我们证明了储层计算(RC),一种适用于具有混沌动力学系统的学习方法,提供了一种替代的非线性方法,该方法在预测技能上优于LIM方法。 我们在一个示例设置中进行此操作,即在一个人气地球系统模型——社区地球系统模型的前工业控制模拟中预测北大西洋的海面温度,以便我们可以比较基于RC的新方法与传统LIM方法的性能,无论学习数据是充足还是有限的。 RC方法在广泛条件下的预测技能改进——保留更多的EOF系数,扩展到数据有限的领域等——表明这种机器学习技术可能在气候可预测性研究中有用。 虽然在洛伦兹-63系统中已经展示了开发气候模拟器的可能性——即在无法跟踪参考轨迹后,继续在吸引子上演化系统的能力——但建议RC方法的进一步发展可能会允许在更现实的可预测性研究中使用这种方法。
当前浏览上下文:
nlin.CD
切换浏览方式为:
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.