Dimensionality reduction of atmospheric concentration fields using a 3D convolutional autoencoder with spatial attention mechanism
Cette étude propose un autoencodeur convolutionnel 3D doté d'un mécanisme d'attention spatiale (SAM3D) qui surpasse de manière significative diverses méthodes de réduction de dimensionnalité linéaires et non linéaires pour compresser les champs de monoxyde de carbone atmosphérique de haute dimension issus de simulations WRF-Chem, permettant ainsi un stockage et un traitement plus efficaces pour les flux de travail de modélisation inverse.