VAE-Var：基于变分自编码器的变分同化方法
机器学习
2024-05-24 v1 人工智能
动力系统
大气与海洋物理
摘要
数据同化指一系列旨인通过利用观测数据对先验预测（称为背景状态）进行细化，以计算系统状态最优估计的算法。变分同化方法依赖于最大似然方法构建变分成本函数，通过最小化该成本函数来推导出最优状态估计。虽然传统变分方法取得了巨大成功，在许多数值气象预报中心得到广泛应用，但它们通常假设背景状态具有高斯误差，这受限于该假设的固有不准确性。本文引入VAE-Var，这是一种新型变分算法，利用变分自编码器（VAE）来建模背景误差分布的非高斯估计。我们对VAE估计下的变分成本进行了理论推导，提出了VAE-Var的通用公式；我们在低维混沌系统上实现VAE-Var，并通过实验结果表明，在 various 观测设置下，VAE-Var在准确性方面 consistently 优于传统变分同化方法。
引用
@article{arxiv.2405.13711,
title = {VAE-Var: Variational-Autoencoder-Enhanced Variational Assimilation},
author = {Yi Xiao and Qilong Jia and Wei Xue and Lei Bai},
journal= {arXiv preprint arXiv:2405.13711},
year = {2024}
}