沙丘迁移的深度学习预测
机器学习
2019-12-24 v1 机器学习
摘要
纳瓦霍族地区的一个干旱十年致使植被死亡、土壤干化，并将曾经稳定的沙释放到风中。这些沙现在覆盖了该族三分之一的土地，威胁着道路、菜园和数百座房屋。许多干旱地区存在类似问题：全球变暖加剧了纳米比亚、安哥拉以及美国西南部农田上的沙丘移动。遗憾的是，当前的沙丘模型扩展性不足，无法为被流动沙覆盖的约 5% 地表提供有用预报。我们测试了两种深度学习算法——一个 GAN 和一个 CNN——对沙丘运动建模的能力。这些模型在来自沙丘的社区标准元胞自动机模型的模拟数据上训练。初步结果显示，GAN 以现有模型千万倍的速度生成合理的沙丘迁移前向预测。
引用
@article{arxiv.1912.10798,
title = {Deep learning predictions of sand dune migration},
author = {Kelly Kochanski and Divya Mohan and Jenna Horrall and Barry Rountree and Ghaleb Abdulla},
journal= {arXiv preprint arXiv:1912.10798},
year = {2019}
}
备注
Workshop on Tackling climate change with machine learning at NeurIPS. Vancouver, Canada, December 2019