实体
Data assimilation
Data assimilation
PulseAugur coverage of Data assimilation — every cluster mentioning Data assimilation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
机器学习增强数据同化中的不确定性量化
一篇新的研究论文探讨了共形预测（CP）这一机器学习技术在数据同化中，特别是在数值天气预报中的不确定性量化应用。该研究使用了一个理想化的浅水模型，将三种CP变体与传统的基于集合的方法进行了比较评估。研究人员调查了CP得出的不确定性估计如何整合到数据同化周期中，并强调了CP在补充现有不确定性量化方法方面的优势和局限性。
-
潜在扩散模型增强地下水流数据同化
研究人员开发了一种利用潜在扩散模型（LDM）进行地下水流模拟数据同化的新方法。该方法旨在提高模型参数与观测数据匹配的校准精度，同时保持地质真实性。研究在LDM潜在空间中比较了集合卡尔曼方法和蒙特卡洛技术，发现虽然集合卡尔曼方法可以减少不确定性，但可能产生不切实际的模型。然而，严格的蒙特卡洛采样在实现地质真实性和改进不确定性减少方面显示出潜力。
-
研究人员比较了用于 Agent-Based Models 的数据同化与基于似然的推理
一篇新论文系统地比较了在 Agent-Based Models (ABMs) 中估计隐态的数据同化 (DA) 和基于似然的推理 (LBI)。DA 应用广泛，适合聚合预测，而 LBI 通过直接使用模型的似然函数，提供更精确的代理级别推理。研究发现，即使模型误设，LBI 在个体级别预测方面也更优越，而 DA 在聚合结果方面仍具竞争力。