XAI4Extremes：用于理解气候变化下极端天气前兆的可解释机器学习框架
机器学习
2025-03-12 v1 人工智能
计算工程、金融与科学
摘要
由于气候变化，极端天气事件的发生频率和强度正在增加。这对全球各地区社区造成了巨大的压力。尽管数值天气预报和人工智能工具的预测技能不断提升，但极端天气仍然 presents 挑战。更具体地说，识别此类极端天气事件的前兆以及这些前兆在气候变化下的演变仍不明了。本文提出使用事后可解释性方法构建相关天气图谱，以显示由深度学习模型识别的关键极端天气前兆。我们随后将此机器视角与现有领域知识进行比较，以了解深度学习模型是否识别出数据中可能丰富我们对极端天气前兆理解的模式。最后，我们将这些相关图谱按多个年份的时间段进行分类，以了解气候变化在这些前兆中所发挥的作用。实验在印度支那地区热浪上进行，但该方法可以很容易地扩展到全球其他极端天气事件。
引用
@article{arxiv.2503.08163,
title = {XAI4Extremes: An interpretable machine learning framework for understanding extreme-weather precursors under climate change},
author = {Jiawen Wei and Aniruddha Bora and Vivek Oommen and Chenyu Dong and Juntao Yang and Jeff Adie and Chen Chen and Simon See and George Karniadakis and Gianmarco Mengaldo},
journal= {arXiv preprint arXiv:2503.08163},
year = {2025}
}