כתבה
arXiv cs.LG ·
חיקוי AI של התחממות סטרטוספירית פתאומית
AI Emulation of Stochastic Sudden Stratospheric Warming with Interpretable Latent Structure
חוקרים פיתחו מחקר לחיקוי של מערכות מזג אוויר עם מעברים בין מצבים. המודל החדש משתמש ב-RNN ו-Conditional Variational Autoencoder כדי לחקות את התנהגות המערכת. התוצאות מראות דיוק גבוה בחיזוי המצבים השונים.
תקציר מקורי באנגליתarXiv:2610.02069v1 Announce Type: cross Abstract: Rare weather regime transitions pose a challenge for data-driven modeling due to class imbalance. In this study, we develop a probabilistic deep learning emulator for a prototypical system with regime transitions, the stochastic Holton--Mass model of stratospheric variability, and analyze the structure of its learned latent space. The Holton--Mass model exhibits two metastable regimes, a strong and a weak polar vortex, maintained by nonlinear wave--mean flow interactions, with weak stochastic forcing intermittently triggering rare transitions between these regimes that qualitatively represent SSW events. We employ a ResNet-inspired Conditional Variational Autoencoder with six-layer encoder and decoder layers and explicit current-state condi
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית