利用机器学习技术预测海洋生态系统模型中的稳态
大气与海洋物理
2025-06-13 v1 机器学习
摘要
我们利用海洋全球生态系统模型预热（spin-up）获得的稳态作为训练数据，构建了从少量生物地球化学模型参数到三维收敛稳态年周期的映射。该映射通过带质量校正的条件变分自编码器（CVAE）实现。针对测试数据，我们表明CVAE的预测已经能够很好地近似预热获得的稳态。然而，预测结果的年周期性并未达到原始预热数据中的水平。因此，我们将预测结果作为预热过程的初始值。我们证明，与使用原始均匀恒定初始值相比，达到预设停止准则所需的迭代次数（对应模型年数）可以显著减少。减少的程度取决于所采用的衡量解周期性的停止准则。预热所需迭代次数及因此节省的计算时间范围为50%至95%，具体取决于预热的停止准则。我们将这些结果与使用训练数据均值作为初始值的情况进行了比较。我们发现后者也能加速预热，但加速因子要低得多。
引用
@article{arxiv.2506.10475,
title = {Prediction of steady states in a marine ecosystem model by a machine learning technique},
author = {Sarker Miraz Mahfuz and Thomas Slawig},
journal= {arXiv preprint arXiv:2506.10475},
year = {2025}
}