用过参数化神经网络预测热带太平洋降雨率
大气与海洋物理
2024-02-22 v2
摘要
由大气廓线预测热带降雨率存在显著挑战，主要源于热带降雨所表现出的重尾分布。本研究引入过参数化神经网络，不仅用于预报热带降雨率，也用于解释其重尾分布。预测分别针对全球降水测量卫星雷达在西太平洋和东太平洋区域观测到的三类降雨（层状、深对流和浅对流）进行。来自MERRA-2再分析的比湿、温度以及纬向和经向风的大气廓线被用作特征。尽管过参数化神经网络因其“双下降现象”而广为人知，但关于其气候数据适用性及捕捉数据尾部行为能力的探索甚少。我们的结果表明，过参数化神经网络准确预测了降雨率分布，并优于其他机器学习方法。空间图谱显示，过参数化神经网络也成功刻画了热带太平洋各类降雨类型的空间格局。此外，我们评估了各过参数化神经网络的特征重要性，以揭示驱动预测的关键因素，其中低层湿度和温度变量总体最为重要。这些发现凸显了过参数化神经网络在预测降雨率分布及解释极值方面的能力。
引用
@article{arxiv.2309.14358,
title = {Prediction of Tropical Pacific Rain Rates with Over-parameterized Neural Networks},
author = {Hojun You and Jiayi Wang and Raymond K. W. Wong and Courtney Schumacher and R. Saravanan and Mikyoung Jun},
journal= {arXiv preprint arXiv:2309.14358},
year = {2024}
}