AI模型有助于預(yù)測熱帶大浪和洋流

最近，一組研究人員設(shè)計了一個AI模型，該模型能夠預(yù)測延伸超過數(shù)百英里/公里的海洋現(xiàn)象，例如熱帶不穩(wěn)定波(TIW)。熱帶不穩(wěn)定波浪(TIW)是發(fā)生在太平洋赤道附近的海洋事件。太平洋TIW涉及彎曲的三角波運動，它們沿著熱帶太平洋冷舌的邊緣向西移動-熱帶的這一區(qū)域明顯比周圍的海洋冷。

引起TIW的環(huán)境因素異常復(fù)雜，而且這種現(xiàn)象難以預(yù)測。傳統(tǒng)上，使用復(fù)雜的統(tǒng)計模型和物理模型來預(yù)測TIW。但是，一組研究人員最近設(shè)計了一個AI模型，旨在更好地預(yù)測TIW和其他海洋現(xiàn)象。

根據(jù)Phys.org的說法，該研究小組由科學院海洋研究所(IOCAS)李曉峰教授領(lǐng)導(dǎo)，該小組還包括來自海洋科學各個部門的成員，例如上海海洋大學和第二海洋研究所。自然資源部海洋學。該團隊利用衛(wèi)星數(shù)據(jù)設(shè)計了一個深度學習模型，旨在分析不穩(wěn)定性波在海洋中移動數(shù)千公里時的不穩(wěn)定性。即使使用全球衛(wèi)星數(shù)據(jù)，影響海洋現(xiàn)象的環(huán)境因素也難以分辨，但目標是AI模型比傳統(tǒng)模型能夠更好地破譯這些變量并做出預(yù)測。

研究人員設(shè)計的深度學習模型利用了衛(wèi)星收集的海面溫度數(shù)據(jù)，分析了當前模式并將它們與過去幾年收集的海面溫度數(shù)據(jù)進行了對比。研究人員對模型進行了大約9年的數(shù)據(jù)訓練和測試。分析結(jié)果后，研究人員發(fā)現(xiàn)該模型能夠準確，一致地預(yù)測海面溫度的變化，并由此預(yù)測TIW內(nèi)的時空變化。

該研究表明，大型數(shù)據(jù)集支持的AI模型甚至可以預(yù)測海洋中某些最復(fù)雜的現(xiàn)象，也是可靠的方法。

李曉峰根據(jù)《物理學》解釋說：“基于人工智能的模型，統(tǒng)計模型和傳統(tǒng)的數(shù)值模型可以相互補充，并為研究復(fù)雜的海洋特征提供了新穎的視角。”

希望隨著模型的改進和完善，將有助于大浪和暴風雨的預(yù)測，這對海洋航行系統(tǒng)具有實際應(yīng)用價值，并可以預(yù)測可能危害沿海城市的惡劣天氣事件。在氣候變化正在改變洋流移動和與周圍環(huán)境相互作用的世界中，這類研究特別有價值。李曉峰及其同事進行的研究是使用AI算法和衛(wèi)星數(shù)據(jù)來了解和預(yù)測洋流和相關(guān)現(xiàn)象運動的日益增長的趨勢的一部分。

作為AI用于跟蹤和預(yù)測海洋現(xiàn)象的另一個例子，今年早些時候，來自普利茅斯海洋實驗室和愛琴海大學的一組研究人員發(fā)表了一項研究，研究如何使用機器學習算法和衛(wèi)星數(shù)據(jù)來識別海洋生物的區(qū)域。濃縮塑料廢料并追蹤其蔓延。