【儀表網(wǎng) 研發(fā)快訊】近日，中國科學(xué)院海洋研究所人工智能海洋學(xué)研究組在極端天氣條件下的海浪預(yù)報智能修正方面取得突破性進展。相關(guān)成果以“Real-Time Wave Model Error Correction via Coupled Neural Networks and WAM under Extreme Weather”為題，發(fā)表在國際海洋學(xué)期刊 Ocean Modelling。
本研究聚焦于極端天氣條件下數(shù)值波浪模式在顯著波高(SWH)預(yù)測中的系統(tǒng)性誤差問題。傳統(tǒng)的數(shù)值模式(如WAM)在臺風(fēng)等強天氣過程中容易出現(xiàn)高幅度偏差，特別是在風(fēng)–波相互作用劇烈區(qū)域。為此，研究團隊提出了一種基于Fortran–Python耦合框架的實時誤差修正系統(tǒng)，將空間—時間注意力神經(jīng)網(wǎng)絡(luò)與WAM模式深度融合，實現(xiàn)了對極端條件下波浪模擬誤差的智能糾正。
圖1 實時誤差修正系統(tǒng)結(jié)構(gòu)圖
該系統(tǒng)以CFOSAT衛(wèi)星觀測為訓(xùn)練基準(zhǔn)，結(jié)合臺風(fēng)路徑與季節(jié)時間等物理先驗信息，訓(xùn)練構(gòu)建了空間—時間注意力神經(jīng)網(wǎng)絡(luò)(ECN)。其核心架構(gòu)通過QKV機制動態(tài)關(guān)注誤差關(guān)鍵區(qū)域，并通過嵌入式Fortran–Python接口實現(xiàn)與WAM模式的實時耦合。在每6小時的模擬步長內(nèi)，模型自動識別并糾正預(yù)測誤差，實現(xiàn)高時效性與高精度的協(xié)同模擬。
研究團隊在西北太平洋區(qū)域選取了114個臺風(fēng)事件作為訓(xùn)練集，在墨西哥灣32個颶風(fēng)事件上進行了泛化測試。結(jié)果顯示，ECN模型在WAM基礎(chǔ)上使顯著波高的RMSE下降24.6%，結(jié)構(gòu)相似性指數(shù)(SSIM)提升26.3%；在新事件上的泛化精度進一步提升RMSE達47%，SSIM提升超30%。特別是在極端波浪條件下，修正系統(tǒng)對譜能量分布和傳播方向的擬合能力大幅增強。
該研究展示了一種可嵌入現(xiàn)有數(shù)值模式、具備實時性、輕量級且具物理一致性的智能糾錯框架，為未來的極端海況實時預(yù)報與智能耦合建模提供了新范式。
論文第一作者為中國科學(xué)院海洋研究所博士研究生劉藹櫟，沈棟梁博士后為通訊作者，合作者包括李曉峰研究員。研究工作得到國家自然科學(xué)基金創(chuàng)新研究群體項目、國家資助博士后研究人員計劃、國家自然科學(xué)基金重大基金與青島市科技惠民專項等項目的支持。
所有評論僅代表網(wǎng)友意見，與本站立場無關(guān)。