湍流回归
机器学习
2025-12-08 v1
摘要
空气湍流是指气流中因速度、压力或方向的剧烈变化而产生的无序和不规则运动状态。各种复杂因素导致复杂的低空湍流结果。在当前观测条件下，特别是仅使用风廓线雷达数据时，传统方法难以准确预测湍流状态。因此，本文引入了一种利用离散化数据的NeuTucker分解模型。该模型专为连续但稀疏的三维风场数据设计，基于Tucker神经网络构建低秩Tucker分解模型，以捕捉三维风场数据中的潜在交互。因此，这里提出了两个核心思想：1）将连续输入数据离散化，以适应像NeuTucF这样需要离散数据输入的模型。2）构建四维Tucker交互张量，以表示不同高度和三维风速之间所有可能的时空交互。在估计真实数据集中的缺失观测时，这种离散化的NeuTucF模型表现出优于各种常见回归模型的性能。
引用
@article{arxiv.2512.05483,
title = {Turbulence Regression},
author = {Yingang Fan and Binjie Ding and Baiyi Chen},
journal= {arXiv preprint arXiv:2512.05483},
year = {2025}
}