用于检测降雨极值的空间正则化图注意力自编码器框架
机器学习
2024-11-13 v1
摘要
我们引入了一种带有空间正则化的新型图注意力自编码器（GAE），以应对 1990 年至 2015 年印度时空降雨数据中可扩展异常检测的挑战。我们的模型利用图注意力网络（GAT）捕捉数据中的空间依赖和时间动态，并通过空间正则化项进一步保证地理一致性。我们利用印度气象部门和 ERA5 单层再分析的降雨、气压和温度属性，构建了两个图数据集。我们的网络在数据的图表示上运行，节点代表地理位置，边通过事件同步推断，表示降雨事件的显著共现。通过大量实验，我们证明了我们的 GAE 能有效识别印度全境的异常降雨模式。我们的工作为气候科学中复杂的时空异常检测方法铺平了道路，有助于更好的气候变化准备和应对策略。
引用
@article{arxiv.2411.07753,
title = {Spatially Regularized Graph Attention Autoencoder Framework for Detecting Rainfall Extremes},
author = {Mihir Agarwal and Progyan Das and Udit Bhatia},
journal= {arXiv preprint arXiv:2411.07753},
year = {2024}
}