Flotsam

大气视宁度预报的机器学习模型基准测试

研究人员评估了用于短期大气视宁度预报的机器学习模型，旨在改善天文观测和光学通信。该研究将高斯过程（GPs）和一种名为FloTS的基于归一化流的模型与确定性循环神经网络（RNN）和长短期记忆（LSTM）模型进行了比较。结果表明，深度学习模型，特别是LSTM和FloTS，在预测长达两小时的大气视宁度方面取得了更高的准确性。FloTS在概率预报和不确定性量化方面也展示了强大的能力，提供了比GPs更具信息量的预测。