实现气候模式神经网络模拟器的能量守恒
大气与海洋物理
2019-06-18 v1 机器学习
计算物理
摘要
人工神经网络有潜力以比气候模式当前使用的半经验模拟器更高的精度来模拟云过程。然而，神经网络模型本身不守恒能量和质量，这是将其用于长期气候预测的障碍。在此，我们提出两种方法在物理模型的神经网络模拟器中强制实施线性守恒定律：约束（1）损失函数或（2）网络本身的架构。应用于原型多尺度气候模式中显式分辨云过程的模拟，我们表明架构约束能够以令人满意的数值精度强制实施守恒定律，同时所有约束都有助于神经网络更好地泛化到其训练集之外的条件，例如全球变暖。
引用
@article{arxiv.1906.06622,
title = {Achieving Conservation of Energy in Neural Network Emulators for Climate Modeling},
author = {Tom Beucler and Stephan Rasp and Michael Pritchard and Pierre Gentine},
journal= {arXiv preprint arXiv:1906.06622},
year = {2019}
}
备注
ICML 2019 Workshop. Climate Change: How Can AI Help? 3 pages, 3 figures, 1 table