TemperatureGAN：区域大气温度的生成建模
机器学习
2024-10-22 v3 大气与海洋物理
机器学习
摘要
随机生成器对于评估气候对各行业的影响十分有用。在各行业（例如能源系统）中预测气候风险，需要准确（与真实值统计相似）、可靠（不产生错误样本）且高效的生成器。利用北美陆面数据同化系统的数据，我们提出了 TemperatureGAN，一种以月份、位置和时间段为条件的生成对抗网络（Generative Adversarial Network, GAN），用于以小时分辨率生成地面以上 2 米处的大气温度。我们提出了评估方法和指标来衡量生成样本的质量。我们表明 TemperatureGAN 能够生成具有高保真度、良好空间表征且与已知日循环一致的时间动态的样本。
引用
@article{arxiv.2306.17248,
title = {TemperatureGAN: Generative Modeling of Regional Atmospheric Temperatures},
author = {Emmanuel Balogun and Ram Rajagopal and Arun Majumdar},
journal= {arXiv preprint arXiv:2306.17248},
year = {2024}
}
备注
Accepted for publication at Environmental Data Science Journal