用于非高斯系统的贝叶斯推断及其在气候变化中的应用
应用统计
2024-06-28 v1 大气与海洋物理
摘要
气候变化由于非高斯气候系统的复杂性和变动性，为准确的气候建模带来了重大挑战。为解决非高斯气候系统建模中的复杂问题，本文提出了一种贝叶斯框架，利用无声卡尔曼滤波器 (UKF)、Ensemble Kalman Filter (EnKF) 和 Unscented Particle Filter (UPF) 用于一维和二维随机气候模型，分别用真实世界的温度和海平面数据进行评估。我们在包括测量噪声、样本大小以及观测变量和隐藏变量等不同条件下研究这些方法，以突出其各自的优势和局限性。我们的发现表明，仅增加数据本身不足以获得准确的预测；相反，选择合适的方法至关重要。这项研究提供了关于信息屏障、维度灾难、预测变异性和测量噪声定量等问题的见解，从而提高了这些技术在现实气候情景中的应用。
引用
@article{arxiv.2406.18606,
title = {Bayesian Inference for Stochastic Predictions of Non-Gaussian Systems with Applications in Climate Change},
author = {Yunjin Tong},
journal= {arXiv preprint arXiv:2406.18606},
year = {2024}
}