随机与深度生成模型在多站点降水合成中的比较研究
机器学习
2021-07-21 v1 人工智能
大气与海洋物理
摘要
未来气候变化情景通常借助天气生成器的模拟来假设。然而，将前景可观的深度学习模型与经典方法进行比较和评估的工作寥寥无几。本研究给出了针对多站点降水合成任务进行此类评估的初步结果。我们在多种指标上比较了两个开源天气生成器：IBMWeathergen（Weathergen 库的扩展）与 RGeneratePrec，以及两个深度生成模型：GAN 与 VAE。我们的初步结果可作为改进多站点降水合成任务的深度学习架构与算法设计的指南。
引用
@article{arxiv.2107.08074,
title = {A comparative study of stochastic and deep generative models for multisite precipitation synthesis},
author = {Jorge Guevara and Dario Borges and Campbell Watson and Bianca Zadrozny},
journal= {arXiv preprint arXiv:2107.08074},
year = {2021}
}
备注
ICML 2021 Workshop Tackling Climate Change with Machine Learning