Comparative Analysis of Black-Box Optimization Methods for Weather Intervention Design
Yuta Higuchi, Rikuto Nagai, Atsushi Okazaki, Masaki Ogura, Naoki Wakamiya
随着气候变化增加与天气有关的灾害的威胁,对天气控制的研究越来越重要。 天气控制的目标是通过管理具有最佳时间,地点和强度的干预措施来减轻灾害风险。 然而,由于天气现象的规模和复杂性,优化过程极具挑战性,这带来了两大挑战。 首先,获得准确的梯度信息进行优化很困难。 此外,数值天气预报(NWP)模型需要巨大的计算资源,需要以最小的函数评估进行参数优化。 为了应对这些挑战,本研究提出了一种基于黑匣子优化设计天气干预的方法,该方法可以实现高效的探索,而无需梯度信息。 提出的方法在两种不同的控制场景中进行评估:一枪初始值干预和基于模型预测控制的顺序干预。 此外,在减少总降雨量方面,对四种具有代表性的黑箱优化方法进行了比较分析。 实验结果表明,贝叶斯优化实现了比其他优化更高的控制效率,特别是在高维搜索空间中。 这些发现表明,贝叶斯优化是天气干预计算的一种非常有效的方法。
As climate change increases the threat of weather-related disasters, research on weather control is gaining importance. The objective of weather control is to mitigate disaster risks by administering interventions with optimal timing, location, and intensity. However, the optimization process is highly challenging due to the vast scale and complexity of weather phenomena, which introduces two major challenges. First, obtaining accurate gradient information for optimization is difficult. In addit...