基于科学机器学习的混沌 Lorenz ODE 系统建模
机器学习
2024-10-10 v1 人工智能
摘要
在气候科学中，全球变暖和天气预测模型面临数据质量有限且难以获取的挑战，使得数据效率至关重要。过去几年间，科学机器学习(SciML)模型因其数据高效训练的特性而获得巨大关注，非常适用于实际的气候应用。尽管如此，针对混沌气候系统建模的SciML方法仍鲜有关注。本文将SciML方法集成到基础气候模型中，我们通过物理信息化方法实现了在数据有限情况下仍具高精度的大规模气候预测。我们成功演示了通过将物理气候模型的可解释性与神经网络的计算能力相结合，SciML模型可成为可靠的气候建模工具。这表明从传统基于黑箱的机器学习气候系统建模转向以物理为导向的决策，从而有效实施气候政策。
关键词
引用
@article{arxiv.2410.06452,
title = {Modeling chaotic Lorenz ODE System using Scientific Machine Learning},
author = {Sameera S Kashyap and Raj Abhijit Dandekar and Rajat Dandekar and Sreedath Panat},
journal= {arXiv preprint arXiv:2410.06452},
year = {2024}
}
备注
13 pages, 8 figures, 3 tables