地球气候系统中的因果推断 | 周二直播·地球系统科学读书会
导语
为了推进地球系统科学研究,集智俱乐部特联合气象学家和气象汇公众号联合发起筹备地球系统科学的主题读书会,系统地研究统计物理、深度学习等方法在地球系统科学中应用的相关文献,开展“地球系统科学因果推断”、“地球系统中的归因、临界问题”、“极端事件的同步和记忆效应 ”、“时空图神经网络”等等主题的报告分享,读书会于每周二晚上 7:00-9:00 进行讨论和分享,欢迎对地球系统科学领域感兴趣的朋友报名参加,可以获取回放,进入社群交流!
内容简介
内容简介
内容背景
因果推断在地球系统科学研究中有相当明确的作用,它一方面可以帮助我们发现地球系统的物理规律,另一方面也提高了对系统的预报能力。与其他诸多领域一样,基于相关性和单变量回归的方法仍然是分析地球系统科学中最常见的基于数据的工具,但这种方法对系统动态的因果机制提供的见解很少,而因果推断可以克服这些方法的一些关键缺陷。
内容简介
在本次报告中,我们将对目前地球系统科学中常用的因果推断方法进行概述,然后讨论通过这些方法产生重要见解的应用实例。
3. 传统方法+机器学习,对方法的改进;
主讲人
主讲人
参考文献(包括书籍、论文 MLA格式)
-
Runge, J., Bathiany, S., Bollt, E. et al. Inferring causation from time series in Earth system sciences. Nat Commun 10, 2553 (2019).
-
van Nes, E., Scheffer, M., Brovkin, V. et al. Causal feedbacks in climate change. Nature Clim Change 5, 445–448 (2015).
-
Tsonis AA, Deyle ER, May RM, Sugihara G, Swanson K, Verbeten JD, Wang G. Dynamical evidence for causality between galactic cosmic rays and interannual variation in global temperature. Proc Natl Acad Sci U S A. 2015 Mar 17;112(11):3253-6.
-
Detecting Causality in Complex Ecosystems. Science, 338.6016, 496-500 (2012).
-
Ebert-Uphoff, I., & Deng, Y. (2012). Causal Discovery for Climate Research Using Graphical Models, Journal of Climate, 25(17), 5648-5665.
-
McGraw, M. C., & Barnes, E. A. (2018). Memory Matters: A Case for Granger Causality in Climate Variability Studies, Journal of Climate, 31(8), 3289-3300.
-
Ye, H., Deyle, E., Gilarranz, L. et al. Distinguishing time-delayed causal interactions using convergent cross mapping. Sci Rep 5, 14750 (2015).
-
Jakob Runge, Peer Nowack, Marlene Kretschmer, Seth Flaxman, Dino Sejdinovic, Detecting and quantifying causal associations in large nonlinear time series datasets, Science Advances 5, eaau4996 (2019).
-
Zhixin Lu, Jaideep Pathak, Brian Hunt, Michelle Girvan, Roger Brockett, and Edward Ott , “Reservoir observers: Model-free inference of unmeasured variables in chaotic systems”, Chaos 27, 041102 (2017)
-
Yu Huang, Zuntao Fu, and Christian L. E. Franzke , “Detecting causality from time series in a machine learning framework”, Chaos 30, 063116 (2020).
-
Mingzhao Wang, Zuntao Fu,A new method of nonlinear causality detection: Reservoir computing Granger causality, Chaos, Solitons & Fractals, Volume 154 (2022).
直播信息
直播信息
时间
2022年2月8日(周二)晚上19:00-21:00
参与方式
-
文末扫码参加地球系统科学读书会,加入群聊,获取系列读书会回看权限,成为地球系统科学社区种子用户,与其他的科研工作者沟通交流,共同推动地球系统科学的发展。 -
集智俱乐部 B 站免费直播,扫码可预约。
地球系统科学读书会招募中
地球系统科学读书会招募中
读书会大纲:
-
统计物理部分
-
气候网络和渗流相变研究地球系统 -
统计物理和本征微观态在地球系统的中应用 -
由多个子系统耦合的地球系统
-
极端天气的同步现象
-
地球系统中的归因
-
地球系统的临界问题
-
深度学习部分
-
综述
-
时空卷积网络
-
时空图神经网络
-
神经微分/偏微分方程
-
地球系统科学因果推断
「地球系统科学」系列读书会参与方式
本次读书会适合的参与对象:
-
基于复杂系统相关学科研究,对地球系统科学相关研究有浓厚兴趣的科研工作者;
-
能熟练阅读英文文献,并对复杂科学充满激情,对世界的本质充满好奇的探索者;
-
欢迎基于读书会所列文本和文献的具体探讨,提供适合的文献和主题的朋友;
运行模式
时间:
方式:
费用:
报名步骤
第一步:扫码填写报名信息。
第二步:填写信息后,进入付款流程,提交保证金299元。(符合退费条件后可退费)
第三步:添加负责人微信,拉入对应的读书会讨论群。
推荐阅读
-
地球系统科学简史:理解地球复杂性的多学科探索历程 -
气候变化归因:应对气候变化的科学基础——从诺奖得主克劳斯·哈塞尔曼谈起 -
地球系统科学读书会启动:统计物理与深度学习交叉前沿 -
盖亚假说:地球是一个生命体吗? -
人类世:地球上的新主人 -
全球气温升高1.5°C还是2°C,这个世界大不同 -
Nature:气候变化中超过临界点 -
Nature警告:全球气候变暖将造成生物多样性断崖式下降 -
2030年气候危机?Nature刊文警告全球变暖是真的! -
PNAS前沿:厄尔尼诺现象大概率将在2020下半年爆发 -
《张江·复杂科学前沿27讲》完整上线! -
成为集智VIP,解锁全站课程/读书会 -
加入集智,一起复杂!
点击“阅读原文”,报名直播