跳到主要内容
检索

# 气候模拟器

2 篇关联报道

订阅更新
  1. arXiv

    把天气轨迹倒着生成:Rewind-AR 让同一场极端事件的前兆更集中,但 66 小时内最多 22% 成员失稳

    给定一个已观测的极端天气终态,能否反推出通向它的多种前兆路径,是情景规划需要的样本。此前 cBottle-video 用视频扩散生成 66 小时终点约束集合,但集合离散度偏低、地转关系不自洽,且只能近似重现约束帧。Rewind-AR 改用 FourCastNet 3 骨干做反向时间概率自回归,在 2021 年太平洋西北热浪与飓风 Ian 两个案例中,其前兆 500 hPa 位势高度主导模态解释的成员间方差明显高于 cBottle-video;代价是 66 小时内最多 22% 的成员数值失稳。

  2. 气候模拟器训练不再依赖真实情景:MIT用合成数据把训练所需的地球系统模型运行次数压到一次

    MIT研究团队提出一种训练数据优化方法,让气候模拟器只用精心挑选的合成情景训练,就能预测训练中未见过的新情景,而传统模拟器在新情景上无法适应。该方法把生成训练数据所需的全尺度地球系统模型运行次数从六到八次降到一次,从而缩短这类快速代理模型的制作周期。研究还显示,用该方法训练的模拟器能刻画局部污染物控制的效果,即一种污染物下降而其他排放继续上升的情景。

已读完全部报道