用于平流–扩散模型的物理信息神经网络超分辨率
计算机视觉与模式识别
2020-12-15 v2 地球物理
摘要
物理信息神经网络（NN）是一种新兴技术，用于提升物理模型或卫星观测数据的空间分辨率并强制其物理一致性。本文探索了一种超分辨率（SR）技术，用于在大气污染羽流的平流–扩散模型中从低分辨率图像重建高分辨率图像（）。当平流–扩散方程与传统的基于像素的约束一起约束神经网络时，SR性能通常得到提升。我们还研究了SR技术重建缺失数据的能力，方法是从模拟中随机移除图像像素，并让系统学习缺失数据的内容。当SR中包含物理方程且像素丢失达时，信噪比（S/N）显示出的改善。与标准SR方法相比，物理信息神经网络能准确重建损坏图像并生成更好的结果。
引用
@article{arxiv.2011.02519,
title = {Physics-Informed Neural Network Super Resolution for Advection-Diffusion Models},
author = {Chulin Wang and Eloisa Bentivegna and Wang Zhou and Levente Klein and Bruce Elmegreen},
journal= {arXiv preprint arXiv:2011.02519},
year = {2020}
}