利用变分自编码器控制天气场合成
计算机视觉与模式识别
2021-08-03 v1
摘要
气候变化的后果之一是极端气候事件频率的显著增加。这对天气预报和生成算法提出了挑战：它们从历史数据学习，却应嵌入常不确定的偏置以创建正确情景。本文研究如何使用变分自编码器将气候数据映射到已知分布，从而有助于探索此类偏置并控制天气场合成朝向更极端的气候情景。我们使用来自印度西南部受季风影响的降水数据集进行实验，该数据集应给出大致稳定的雨天模式并便利我们的研究。我们报告了引人注目的结果，表明将复杂天气数据映射到已知分布实现了朝向更（或更不）极端情景的天气场合成的有效控制。
引用
@article{arxiv.2108.00048,
title = {Controlling Weather Field Synthesis Using Variational Autoencoders},
author = {Dario Augusto Borges Oliveira and Jorge Guevara Diaz and Bianca Zadrozny and Campbell Watson},
journal= {arXiv preprint arXiv:2108.00048},
year = {2021}
}
备注
ICML Climate Change AI Workshop