跳到正文
arXiv · ML· Parmitha Vangapandu, Jonnakuti Pavan Kumar, Sathwik Narkedimilli, MSVPJ Sathvik, T. M. Balakrishnan Nair, Santanu Bhattacharya·· 2 天前AI 评分21

物理先验在概率海温预测中的信息价值与可辨识性研究

Where Should Physics Enter? Information, Identifiability and Calibration in Probabilistic Sea Surface Temperature Forecasting

AI 导读

研究测试了异方差 ConvLSTM 中平流扩散先验的作用,发现软平流残差无可靠收益,且学习速度无法恢复真实洋流。 在合成数据中,直接输入洋流作为信息通道可恢复 92% 的传输增益;校准缺失是主要缺陷,单倍率方差校正将覆盖度提升至 0.85-0.91。 该研究撤回此前基于非受控对比得出的 81% CRPS 降低声明,强调了概率预测中校准与信息输入的独立性。

来源:arXiv · ML · arxiv.org