南极冰盖引起的区域海平面变化的不确定性量化仿真
大气与海洋物理
2025-11-18 v2 机器学习
机器学习
摘要
预测不同气候变化情景下的海平面变化通常需要运行地球对冰质量变化的重力、旋转和变形(GRD)响应的正向模拟，这需要高昂的计算成本和时间。本文针对21世纪未来南极冰盖质量变化相关的GRD效应，在27个沿海位置构建了海平面变化的神经网络仿真器。这些仿真器基于使用静态海平面方程数值求解器生成的数据集，以及IPCC AR6报告中引用的已发表ISMIP6-2100冰盖模型模拟。我们表明，神经网络仿真器的精度与基线机器学习仿真器相当。为了量化不确定性，我们通过一种使用(非线性)机器学习模型输出的线性回归后处理技术，推导出模拟海平面变化的良好校准预测区间，该技术先前已应用于数值气候模型。我们还展示了计算效率的显著提升：与用于训练的海平面方程数值求解器相比，前馈神经网络仿真器实现了约100倍的加速。
引用
@article{arxiv.2406.17729,
title = {Emulation with uncertainty quantification of regional sea-level change caused by the Antarctic Ice Sheet},
author = {Myungsoo Yoo and Giri Gopalan and Matthew J. Hoffman and Sophie Coulson and Holly Kyeore Han and Christopher K. Wikle and Trevor Hillebrand},
journal= {arXiv preprint arXiv:2406.17729},
year = {2025}
}