基于薛定谔桥的城市微气象概率超分辨率
大气与海洋物理
2025-12-15 v2 机器学习
摘要
本研究采用一种神经网络来表示薛定谔桥问题的解,以实现城市区域 2 米气温的超分辨率。薛定谔桥通常基于扩散过程刻画两个数据分布之间的变换。我们使用一种特定的薛定谔桥模型(SM),它能够直接将低分辨率数据变换为高分辨率数据,这与去噪扩散概率模型(简称扩散模型;DM)从高斯噪声生成高分辨率数据的方式不同。低分辨率与高分辨率数据来自基于物理的模式在相同初始与边界条件下分别进行的数值模拟。与 DM 相比,SM 在仅为其五分之一计算代价下取得了相当的精度:DM 每个样本需要 50 次神经网络评估,而 SM 仅需 10 次。此外,SM 生成的高分辨率样本具有更大的方差,意味着其相对于 DM 具有更优的不确定性量化能力。鉴于 SM 计算代价的降低,我们的结果表明,基于 SM 的超分辨率方法有望实现实时集合微气象预报。
引用
@article{arxiv.2510.12148,
title = {Probabilistic Super-Resolution for Urban Micrometeorology via a Schr\"odinger Bridge},
author = {Yuki Yasuda and Ryo Onishi},
journal= {arXiv preprint arXiv:2510.12148},
year = {2025}
}