一种气温降尺度的半循环对抗生成网络OACSTPCD
Half-Cycle Generative Adversarial Network for Temperature Downscaling
提出了一种半循环对抗生成降尺度模型,应用于ERA5 再分析全球气候地表温度数据在中国及其周边地区的降尺度,该模型引入了重建生成器网络和退化生成器网络,采用对抗损失和半循环损失来优化降尺度结果.通过消融实验验证了该模型的有效性.结果表明,与传统的插值方法以及其他深度学习模型相比,该模型在客观评价指标上有所提高,所生成的地表温度数据细节更加丰富.
This paper proposes a half-cycle generative adversarial downscaling model and ap-plies it to downscale ERA5 reanalysis global climate surface temperature data in China and its sur-rounding regions.This model introduces both a reconstruction generator network and a degradation generator network and optimizes the downscaling results using adversarial loss and half-cycle loss.The effectiveness of this method was validated through ablation experiments.The result…查看全部>>
黎瑞泉;翁彬;陈家祯;黄添强;游立军
福建师范大学计算机与网络空间安全学院,福建 福州 350117||数字福建大数据安全技术研究所,福建 福州 350117||福建省公共服务大数据挖掘与应用工程技术研究中心,福建 福州 350117福建师范大学计算机与网络空间安全学院,福建 福州 350117||数字福建大数据安全技术研究所,福建 福州 350117||福建省公共服务大数据挖掘与应用工程技术研究中心,福建 福州 350117福建师范大学计算机与网络空间安全学院,福建 福州 350117||数字福建大数据安全技术研究所,福建 福州 350117||福建省公共服务大数据挖掘与应用工程技术研究中心,福建 福州 350117福建师范大学计算机与网络空间安全学院,福建 福州 350117||数字福建大数据安全技术研究所,福建 福州 350117||福建省公共服务大数据挖掘与应用工程技术研究中心,福建 福州 350117福建省气象信息中心,福建 福州 350007||福建省灾害天气重点实验室,福建 福州 350007
计算机与自动化
对抗生成网络降尺度深度学习
generative adversarial networksdownscalingdeep learning
《福建师范大学学报（自然科学版）》 2024 (1)
87-95,9
国家重点研发计划专项(2018YFC1505805)福建省引导性项目(2021Y0057,2022Y0008)福建师大教改项目(I202201105)
评论