2019年第8期(总第93期)
数据驱动地球系统科学研究中的机器学习及过程理解
机器学习方法越来越多地用于从日益增长的地理空间数据流中提炼模型并作出解释,但是,当系统行为主要受空间或时间环境因素控制时,现有方法并不是最佳方法。因此,我们认为,我们不必去对经典机器学习方法进行修正,而是应该将这些环境因素作为深度学习(一种能够自动提取时空特征的方法)的一部分,以增进对地球系统科学问题的进一步理解,例如,提高季节性预测能力以及跨时间尺度和长距离空间连接的模拟能力。未来的发展方向将采用混合建模方法,使物理过程模型与多样的数据驱动机器学习相融合。
《国外地质调查管理》内部刊物编辑部
gwdzdcgl@cgl.org.cn
010-66554980
010-66554978