一种用于时空野火临近预报代理模型生成的生成模型
机器学习
2023-08-08 v1 人工智能
计算物理
摘要
近年来全球野火频发，导致对实时火情临近预报的需求增加。物理驱动模型（如元胞自动机和计算流体动力学）可提供高保真度的火势蔓延模拟，但计算成本高且耗时。已有大量工作致力于开发用于火灾预测的机器学习模型。然而，这些模型往往具有区域特异性，且需要大量模拟数据用于训练，导致针对不同生态区需耗费大量计算资源。本工作提出一种使用三维矢量量化变分自编码器（Vector-Quantized Variational Autoencoders）的生成模型，用于生成给定生态区内未见过的野火过火面积的时空序列。该模型在加利福尼亚近期一场名为 Chimney 大火的大规模野火事件所属生态区进行了测试。数值结果表明，该模型成功生成了连贯且结构化的火灾情景，并考虑了植被和坡度等地物理变量的影响。生成的数据还被用于训练一个用于预测野火扩散的代理模型，该模型在模拟数据和真实 Chimney 大火事件上均进行了测试。
引用
@article{arxiv.2308.02810,
title = {A generative model for surrogates of spatial-temporal wildfire nowcasting},
author = {Sibo Cheng and Yike Guo and Rossella Arcucci},
journal= {arXiv preprint arXiv:2308.02810},
year = {2023}
}