基于神经网络与谱聚类的气候模式大集合和卫星高度计数据多年代际海平面预测
机器学习
2023-10-10 v1
摘要
自 1993 年以来由卫星测高提供的海面高度观测显示全球平均海平面以 3.4 mm/年的速率上升。尽管过去 30 年海平面平均上升了 10 cm，但海平面变化存在显著的区域差异。通过本工作，我们预测未来 30 年的海平面趋势，空间分辨率为 2 度，并研究海平面变化的未来空间格局。我们展示了机器学习（ML）在这一具有挑战性的全球海洋长期海平面预报应用中的潜力。我们的方法融合了来自高度计观测和气候模式模拟的海平面数据。我们开发了使用全连接神经网络（FCNNs）的监督学习框架，可基于气候模式预估预测海平面趋势。同时，我们的方法提供与 ML 预测相关的不确定性估计。我们还展示了划分空间数据集并为每个分割区域学习专用 ML 模型的有效性。我们比较了两种划分策略：一种利用领域知识获得，另一种采用谱聚类。我们的结果表明，使用谱聚类对空间数据集进行分割可改善 ML 预测。
引用
@article{arxiv.2310.04540,
title = {Multi-decadal Sea Level Prediction using Neural Networks and Spectral Clustering on Climate Model Large Ensembles and Satellite Altimeter Data},
author = {Saumya Sinha and John Fasullo and R. Steven Nerem and Claire Monteleoni},
journal= {arXiv preprint arXiv:2310.04540},
year = {2023}
}