Buchumschlag

Effective Benchmarks for Optical Turbulence Modeling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jellen, Christopher, Nelson, Charles, Brownell, Cody, Burkhardt, John
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Atmospheric and Oceanic Physics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An Analytical and AI-discovered Stable, Accurate, and Generalizable Subgrid-scale Closure for Geophysical Turbulence
von: Jakhar, Karan, et al.
Veröffentlicht: (2025)

A Practical Probabilistic Benchmark for AI Weather Models
von: Brenowitz, Noah D., et al.
Veröffentlicht: (2024)

WeatherReal: A Benchmark Based on In-Situ Observations for Evaluating Weather Models
von: Jin, Weixin, et al.
Veröffentlicht: (2024)

A Benchmark Dataset for Tornado Detection and Prediction using Full-Resolution Polarimetric Weather Radar Data
von: Veillette, Mark S., et al.
Veröffentlicht: (2024)

Can AI Weather Models Predict Beyond Two Weeks? A Quantitative Benchmark and Analysis of Long Rollouts
von: Lehmann, Fanny, et al.
Veröffentlicht: (2026)

Efficient fine-tuning of 37-level GraphCast with the Canadian global deterministic analysis
von: Subich, Christopher
Veröffentlicht: (2024)

AODDiff: Probabilistic Reconstruction of Aerosol Optical Depth via Diffusion-based Bayesian Inference
von: Fan, Linhao, et al.
Veröffentlicht: (2025)

Acceleration of horizontal numerical advection for atmospheric modeling through surrogate modeling with temporal coarse-graining
von: Park, Manho, et al.
Veröffentlicht: (2026)

SubseasonalClimateUSA: A Dataset for Subseasonal Forecasting and Benchmarking
von: Mouatadid, Soukayna, et al.
Veröffentlicht: (2021)

Ensemble-size-dependence of deep-learning post-processing methods that minimize an (un)fair score: motivating examples and a proof-of-concept solution
von: Roberts, Christopher David
Veröffentlicht: (2026)

Physics Guided Machine Learning Methods for Hydrology
von: Khandelwal, Ankush, et al.
Veröffentlicht: (2020)

CarbonBench: A Global Benchmark for Upscaling of Carbon Fluxes Using Zero-Shot Learning
von: Rozanov, Aleksei, et al.
Veröffentlicht: (2026)

How Effective Are Time-Series Models for Precipitation Nowcasting? A Comprehensive Benchmark for GNSS-based Precipitation Nowcasting
von: Zhang, Yifang, et al.
Veröffentlicht: (2025)

Benchmarking atmospheric circulation variability in an AI emulator, ACE2, and a hybrid model, NeuralGCM
von: Baxter, Ian, et al.
Veröffentlicht: (2025)

Deep Learning Models for Flood Predictions in South Florida
von: Shi, Jimeng, et al.
Veröffentlicht: (2023)

Bayesian Optimisation for Active Monitoring of Air Pollution
von: Hellan, Sigrid Passano, et al.
Veröffentlicht: (2022)

Uncertainty Quantification of Wind Gust Predictions in the Northeast United States: An Evidential Neural Network and Explainable Artificial Intelligence Approach
von: Jahan, Israt, et al.
Veröffentlicht: (2025)

Prithvi WxC: Foundation Model for Weather and Climate
von: Schmude, Johannes, et al.
Veröffentlicht: (2024)

SamudrACE: Fast and Accurate Coupled Climate Modeling with 3D Ocean and Atmosphere Emulators
von: Duncan, James P. C., et al.
Veröffentlicht: (2025)

Personalized Adapter for Large Meteorology Model on Devices: Towards Weather Foundation Models
von: Chen, Shengchao, et al.
Veröffentlicht: (2024)

Kilometer-Scale Convection Allowing Model Emulation using Generative Diffusion Modeling
von: Pathak, Jaideep, et al.
Veröffentlicht: (2024)

AI Models Still Lag Behind Traditional Numerical Models in Predicting Sudden-Turning Typhoons
von: Xu, Daosheng, et al.
Veröffentlicht: (2025)

Emulation with uncertainty quantification of regional sea-level change caused by the Antarctic Ice Sheet
von: Yoo, Myungsoo, et al.
Veröffentlicht: (2024)

Machine-Learned Closure of URANS for Stably Stratified Turbulence: Connecting Physical Timescales & Data Hyperparameters of Deep Time-Series Models
von: Meena, Muralikrishnan Gopalakrishnan, et al.
Veröffentlicht: (2024)

A Foundation Model for the Earth System
von: Bodnar, Cristian, et al.
Veröffentlicht: (2024)

Generative Modeling of Aerosol State Representations
von: Saleh, Ehsan, et al.
Veröffentlicht: (2025)

Difference Learning for Air Quality Forecasting Transport Emulation
von: Chen, Reed River, et al.
Veröffentlicht: (2024)

Forecasting Tropical Cyclones with Cascaded Diffusion Models
von: Nath, Pritthijit, et al.
Veröffentlicht: (2023)

TemperatureGAN: Generative Modeling of Regional Atmospheric Temperatures
von: Balogun, Emmanuel, et al.
Veröffentlicht: (2023)

Ensembles of Neural Surrogates for Parametric Sensitivity in Ocean Modeling
von: Sun, Yixuan, et al.
Veröffentlicht: (2025)

Advances in Land Surface Model-based Forecasting: A comparative study of LSTM, Gradient Boosting, and Feedforward Neural Network Models as prognostic state emulators
von: Wesselkamp, Marieke, et al.
Veröffentlicht: (2024)

Towards Physically Consistent Deep Learning For Climate Model Parameterizations
von: Kühbacher, Birgit, et al.
Veröffentlicht: (2024)

RAIN: Reinforcement Algorithms for Improving Numerical Weather and Climate Models
von: Nath, Pritthijit, et al.
Veröffentlicht: (2024)

Leadsee-Precip: A Deep Learning Diagnostic Model for Precipitation
von: Ji, Weiwen, et al.
Veröffentlicht: (2024)

Exploring the Use of Machine Learning Weather Models in Data Assimilation
von: Tian, Xiaoxu, et al.
Veröffentlicht: (2024)

Using Generative Models to Produce Realistic Populations of UK Windstorms
von: Tsoi, Yee Chun, et al.
Veröffentlicht: (2025)

Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling
von: Mardani, Morteza, et al.
Veröffentlicht: (2023)

Exploring Randomly Wired Neural Networks for Climate Model Emulation
von: Yik, William, et al.
Veröffentlicht: (2022)

NeuralOM: Neural Ocean Model for Subseasonal-to-Seasonal Simulation
von: Gao, Yuan, et al.
Veröffentlicht: (2025)

ACE2: Accurately learning subseasonal to decadal atmospheric variability and forced responses
von: Watt-Meyer, Oliver, et al.
Veröffentlicht: (2024)