用于气溶胶预报的深度学习
机器学习
2019-10-16 v1 计算机视觉与模式识别
大气与海洋物理
数据分析、统计与概率
机器学习
摘要
再分析数据集结合数值物理模型与有限观测以生成地球系统变量的综合估计，易于相对于地面真值产生偏差。既往研究识别出 NASA 现代回顾分析研究与应用版2(Modern-Era Retrospective Analysis for Research and Applications, Version 2, MERRA-2)气溶胶光学厚度(AOD)数据集相对于气溶胶机器人网络(Aerosol Robotic Network, AERONET)地面测量的偏差，这促使了全球范围内基于深度学习的 AOD 预测模型的开发。本研究将卷积神经网络(CNN)与 MERRA-2 结合，以所有 AERONET 站点为测试对象。相较于仅使用 MERRA-2 再分析，这一新的基于 CNN 的混合模型针对 AERONET 地面真值验证给出了更优的估计。
引用
@article{arxiv.1910.06789,
title = {Deep learning for Aerosol Forecasting},
author = {Caleb Hoyne and S. Karthik Mukkavilli and David Meger},
journal= {arXiv preprint arXiv:1910.06789},
year = {2019}
}
备注
Machine Learning and the Physical Sciences Workshop at the 33rd Conference on Neural Information Processing Systems (NeurIPS 2019), Vancouver, Canada