Responsible Hereon

(1) Erzeugen von Beobachtungssurrogaten durch ML; (2) Trainieren eines neuronalen Netzes auf historischen Daten; (3) Erstellung optimaler Beobatchtunsstrategieen

Hereon: Methoden des maschinellen Lernens zur schnellen Datenassimilation (DA) werden zur Optimierung von Beobachtungsstrategien eingesetzt. Simulationsdaten aus dem Modellsystem von Aufgabe 5.1.1 werden verarbeitet, um spärliche, verrauschte Messwerte zu erzeugen, die realen Beobachtungen ähneln, und ein neuronales Netz wird trainiert, um diese auf vollständige Systemzustände in der Vergangenheit (Analysen) oder in der Zukunft (Prognosen) abzubilden. Hereon: In einer multiskaligen Unet-Architektur werden Faltungsblöcke und Residualblöcke mit Selbstaufmerksamkeit verwendet; die Trainingsdaten werden mindestens ein Jahrzehnt umfassen, einschließlich mehrerer extremer Ereignisse. Hereon: Die trainierten Netze werden zur Optimierung von Beobachtungsstrategien für Vorhersagen und Analysen verwendet, ohne dass die Rechen- und Entwicklungskosten klassischer DA-Methoden anfallen.