【儀表網(wǎng) 研發(fā)快訊】近日，中國科學院海洋研究所人工智能海洋學研究組在極端天氣條件下的海浪預報智能修正方面取得突破性進展。相關成果以“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)在臺風等強天氣過程中容易出現(xiàn)高幅度偏差，特別是在風–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)結構圖
該系統(tǒng)以CFOSAT衛(wèi)星觀測為訓練基準，結合臺風路徑與季節(jié)時間等物理先驗信息，訓練構建了空間—時間注意力神經(jīng)網(wǎng)絡(ECN)。其核心架構通過QKV機制動態(tài)關注誤差關鍵區(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個臺風事件作為訓練集，在墨西哥灣32個颶風事件上進行了泛化測試。結果顯示，ECN模型在WAM基礎上使顯著波高的RMSE下降24.6%，結構相似性指數(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。