Sep, 2023
扩展火星气候建模：可解释机器学习用于模拟MSL相对湿度
Expanding Mars Climate Modeling: Interpretable Machine Learning for
Modeling MSL Relative Humidity
TL;DR利用机器学习技术，我们提出了一种新颖的火星气候建模方法，设计并使用了深度神经网络，准确地模拟了盖尔陨石坑的相对湿度，该模型利用火星行星气候模型生成的仿真气象变量，具有平均误差为3％和R^2得分为0.92的精确预测能力，并通过提供相对湿度的分位数范围预测方法应对需要值范围的应用需求。