基于贝叶斯时空图卷积神经网络的湖面水温概率建模
机器学习
2021-09-29 v1 人工智能
摘要
准确的湖泊温度估计对于水文学与生态学领域中诸多问题的求解至关重要。当前已开发物理模型来估计湖泊动力学；然而，为精确估计湖面温度所需的计算可能极其昂贵。我们提出将特定深度的湖泊温度模拟数据与一系列气象特征聚合，以概率方式估计湖面温度。据此，我们引入一种结合贝叶斯循环神经网络与贝叶斯图卷积神经网络的时空神经网络。本工作表明，尽管仅有稀疏训练数据可用，所提出的图模型仍能在整个湖面取得均匀良好的性能。定量结果已与一种最先进的贝叶斯深度学习方法进行比较。所开发的网络层代码及演示脚本可在 https://renkulab.io/projects/das/bstnn 获取。
引用
@article{arxiv.2109.13235,
title = {Probabilistic modeling of lake surface water temperature using a Bayesian spatio-temporal graph convolutional neural network},
author = {Michael Stalder and Firat Ozdemir and Artur Safin and Jonas Sukys and Damien Bouffard and Fernando Perez-Cruz},
journal= {arXiv preprint arXiv:2109.13235},
year = {2021}
}
备注
7 pages, 2 figures