数据同化预测 GAN (DA-PredGAN)：应用于确定 COVID-19 的传播
机器学习
2023-01-26 v2 机器学习
摘要
我们提出生成对抗网络（GAN）的新颖用法：(i) 进行时间预测（PredGAN），以及 (ii) 同化观测（DA-PredGAN）。在后一种情形中，我们利用生成模型天然的类伴随性质以及前后向时间模拟能力。GAN 近期因在生成逼真图像方面取得优异结果而备受关注。我们希望探索这一性质如何转化到计算建模的新应用中，并借助类伴随性质实现高效数据同化。为预测理想化城镇中 COVID-19 的传播，我们将这些方法应用于一个能够刻画时空变化的流行病学仓室模型。为此，将 GAN 置于降阶模型（ROM）中，该模型使用低维空间表示模拟状态的分布，随后 GAN 学习低维状态随时间的演化。结果表明，所提方法能准确预测高保真数值模拟的演化，并可高效同化观测数据并确定相应模型参数。
引用
@article{arxiv.2105.07729,
title = {Data Assimilation Predictive GAN (DA-PredGAN): applied to determine the spread of COVID-19},
author = {Vinicius L. S. Silva and Claire E. Heaney and Yaqi Li and Christopher C. Pain},
journal= {arXiv preprint arXiv:2105.07729},
year = {2023}
}