基于自适应循环图神经网络的深层冰层厚度预测
机器学习
2023-06-27 v1 信号处理
摘要
在我们应对气候变化与全球大气温度上升的影响之际，精确追踪与预测极地冰盖内冰层变得愈发重要。研究这些冰层可揭示气候趋势、降雪随时间的演变，以及未来气候与降水的轨迹。本文中，我们提出一种机器学习模型，利用自适应循环图卷积网络，在给定通过机载雷达数据收集到的近年降雪累积量时，经由深层冰层厚度预测历史降雪累积量。我们发现，相较于我们先前的模型以及等效的非时序、非几何与非自适应模型，我们的模型表现更优且一致性更强。
引用
@article{arxiv.2306.13690,
title = {Prediction of Deep Ice Layer Thickness Using Adaptive Recurrent Graph Neural Networks},
author = {Benjamin Zalatan and Maryam Rahnemoonfar},
journal= {arXiv preprint arXiv:2306.13690},
year = {2023}
}
备注
Accepted to ICIP 2023. 5 pages, 1 figure, 1 table. arXiv admin note: substantial text overlap with arXiv:2302.00817. text overlap with arXiv:2306.13181