科學家用AI模型預測太平洋復雜的大規(guī)模熱帶不穩(wěn)定波

大規(guī)模的海洋現(xiàn)象很復雜，通常涉及許多自然過程。熱帶不穩(wěn)定波(TIW)是這些現(xiàn)象之一。

太平洋TIW是赤道東太平洋的一個主要盛行海洋事件，其特征是在熱帶太平洋冷舌的兩個側面向西傳播的尖狀波浪。

TIW的預測長期以來一直依賴于基于物理方程的數(shù)值模型或統(tǒng)計模型。但是，為了理解這種復雜現(xiàn)象，需要考慮許多自然過程。

最近，由科學院海洋研究所(IOCAS)李曉峰教授領導的研究小組通過人工智能(AI)技術研究了這種復雜的海洋現(xiàn)象。

該團隊的成員包括自然資源部第二海洋研究所的鄭剛，IOCAS的張榮華和上海海洋大學的劉斌。

他們使用衛(wèi)星數(shù)據(jù)驅動的深度學習模型來預測世界上千公里復雜的TIW。他們的研究發(fā)表在7月15日的《科學進展》上。

快速增長的衛(wèi)星遙感大數(shù)據(jù)本身通常深刻地隱藏著管理復雜海洋現(xiàn)象的基本規(guī)則。需要通過強大的信息挖掘技術(例如AI領域的深度學習)來挖掘它們。

李教授說：“人工智能技術可能會為模擬復雜的海洋現(xiàn)象和規(guī)避傳統(tǒng)數(shù)值模型所面臨的困難提供一種有前途的選擇。”

在這項工作中，研究人員開發(fā)了一種深度學習模型，用于基于當前和以前的衛(wèi)星衍生SST數(shù)據(jù)來預測與TIW相關的海表溫度(SST)場。

對9年SST數(shù)據(jù)的長期測試表明，該模型有效，準確地預測了SST的演變并捕獲了TIW傳播的時空變化。

研究表明，純粹的數(shù)據(jù)驅動和基于AI的信息挖掘范例可能是在衛(wèi)星遙感大數(shù)據(jù)時代中建模和預測復雜海洋現(xiàn)象的強大而有前途的方法。

李教授說：“基于人工智能的模型，統(tǒng)計模型和傳統(tǒng)數(shù)值模型可以相互補充，并為研究復雜的海洋特征提供了新穎的視角。”