DeepClimGAN：高分辨率气候数据生成器
神经与进化计算
2020-11-25 v1
摘要
地球系统模型(ESMs)模拟全球大气、陆地和海洋的物理与化学过程，常用于生成气候变化情景的未来预估。这些模型计算量过大而难以重复运行，但有限的运行次数对于一些重要应用（如充分采样分布尾部以刻画极端事件）而言不足。作为折中，仿真器成本低得多但可能不具备ESM的全部复杂性。在此我们展示使用条件生成对抗网络(GAN)作为ESM仿真器。借此，我们获得了生成与ESM在任何选定情景下可能输出的结果一致的每日天气数据的能力。特别地，该GAN旨在表示空间、时间与气候变量上的联合概率分布，从而支持对相关极端事件（如洪水、干旱或热浪）的研究。
引用
@article{arxiv.2011.11705,
title = {DeepClimGAN: A High-Resolution Climate Data Generator},
author = {Alexandra Puchko and Robert Link and Brian Hutchinson and Ben Kravitz and Abigail Snyder},
journal= {arXiv preprint arXiv:2011.11705},
year = {2020}
}
备注
Presented at NeurIPS 2019 Workshop Tackling Climate Change with Machine Learning