一种简单仿真器，用于解释参数-输出关系，适用于两种气候模型PPE

我们提出了一种新型可加方法，称为sage，即简化的高斯过程仿真器，用于仿真气候模型扰动参数组合(PPE)。它估计气候模型输出值，作为可加项的总和。每个可加项是高斯过程的均值，对应于参数或参数组对感兴趣变量的影响。该设计适应PPE的稀疏性，其特征为有限的ensemble成员数和高维参数空间。sage量化了由不同参数和参数组解释的变异性，提供了有关参数-气候模型输出关系的额外见解。我们将该方法应用于两种气候模型PPE，并将其与完全连接神经网络进行比较。两种方法在两个PPE上的性能相当，但sage提供了参数和参数组重要性的见解，以及用于优化PPE设计的诊断工具。所获得的见解不依赖于所选用的仿真器方法，此前尚未 addressed。我们的工作突显了分析用于训练仿真器的PPE与从训练了PPE的仿真器生成数据的分析之间的区别，前者可提供有关PPE数据结构的见解，这有助于 inform仿真器设计。