NeFut Logo NeFut
EN 管理员登录

[AI学术] 基于摊销局部后验的模型校准及其在海洋湍流闭合中的应用

发布于:2026-10-31 22:00 最后更新:2026-11-02 00:48
#algorithm #Machine Learning #optimization

模型差异可能导致单一校准参数无法在整个上下文域 reproducing 物理响应。观测和上下文的不确定性同样影响校准,需要被量化。我们通过对观测似然按与目标上下文的接近程度加权,构建一族局部后验。采用高斯局部权重,并通过协方差膨胀引入上下文不确定性,在域边界使用反射,并可选加入对不均匀上下文采样的校正。条件归一化流在摊销变分推断框架下近似这族后验。对局部后验在给定上下文测度下积分得到边缘化参数分布。我们在 Branin‑Hoo 模型的双生实验中,比较了全局与局部推断在均匀和偏斜上下文分布下的表现。结果表明,局部化显著降低了相对于全局后验的整体预测误差。随后将方法应用于单列海洋模型中的 k‑ε 湍流闭合,以大气表面强迫作为上下文。局部后验校准相比确定性校准和全局后验校准,能够进一步削减温度和纬向速度的误差。两个双生实验均构造为允许局部补偿的情形。

点评

原文链接: https://arxiv.org/abs/2610.37731

[h] 返回首页