用于湖泊温度预测的数据产品、数学模型与观测测量的综合
应用统计
2025-02-26 v3
摘要
我们提出了一种新的湖水温度预测框架，这对于管理湖泊生态系统和饮用水资源至关重要。通用湖模型 (GLM) 之前已用于此目的，但类似许多基于过程的仿真模型，它：需要大量输入，其中许多是随机的；存在不确定性量化 (UQ) 的挑战；并且可能存在模型偏差。为解决这些问题，我们提出了基于高斯过程 (GP) 的代理模型预测方法，能够高效处理大规模高维数据，并考虑输入依赖的变异性和系统 GLM 偏差。我们验证了所提出的方法，并将其与其他预测方法进行比较，包括气候学模型和原始 GLM 仿真。我们的结果表明，偏差校正的 GP 代理模型 (GPBC) 在预测准确性和 UQ 方面，可在预测时限达到两周时显著优于竞争方法。
引用
@article{arxiv.2407.03312,
title = {Synthesizing data products, mathematical models, and observational measurements for lake temperature forecasting},
author = {Maike F. Holthuijzen and Robert B. Gramacy and Cayelan C. Carey and Dave M. Higdon and R. Quinn Thomas},
journal= {arXiv preprint arXiv:2407.03312},
year = {2025}
}
备注
20 pages, 9 figures