Autoencoder-based investigation of extreme precipitation events
In den letzten Jahren, gab es im Bereich der Wetter und Klimaforschung einen enormen Zuwachs an Beobachtungs- und Simulationsdaten. Diese stellen nicht nur neue Herausforderungen an die Infrastruktur, sondern verlangen auch nach neuen Methoden der Auswertung.
An diesem Punkt setze ich mit meiner Promotion an. Ich untersuche, wie sich Algorithmen aus dem Bereich des Maschinellen Lernens, auf Wetter- und Klimadaten übertragen lassen. Im Mittelpunkt steht die Frage, ob sich diese Algorithmen nutzen lassen, um unser Verständnis von Wetter und Klima zu verbessern. Ein besonderer Fokus auf Extremereignissen, wie z.B. Extremniederschlägen, da diese in der Regel selten auftreten und oft von sehr komplexen Wirkmechanismen hervorgerufen werden.