Модель ИИ для прогнозирования сложных крупномасштабных тропических волн неустойчивости в Тихом океане

Исследовательская группа под руководством профессора Ли Сяофэна из Института океанологии Китайской академии наук впервые в мире использовала модель глубокого обучения, основанную на спутниковых данных, для прогнозирования сложных тропических волн неустойчивости (ТВН) масштаба в тысячи километров. Исследование было опубликовано в журнале Science Advances 15 июля.

Тихоокеанские ТВН — это преобладающее океаническое явление в восточной экваториальной части Тихого океана, характеризующееся волнами в форме острия, распространяющимися на запад по обеим сторонам холодного языка. Прогноз ТВН долгое время зависел от численных моделей на основе физических уравнений или статистических моделей. Базовые правила, управляющие такими сложными явлениями, часто скрыты в самих быстро растущих больших данных спутникового дистанционного зондирования и требуют мощных методов интеллектуального анализа информации, таких как глубокое обучение.

В этой работе исследователи разработали модель глубокого обучения для прогнозирования поля температуры поверхности моря (ТПМ), связанного с ТВН, на основе текущих и предыдущих спутниковых данных ТПМ. Девятилетние испытания показали, что модель эффективно и точно прогнозирует эволюцию ТПМ и фиксирует пространственные и временные вариации распространения ТВН. «Технологии ИИ могут стать многообещающей альтернативой для моделирования сложных океанических явлений и обхода трудностей, с которыми сталкиваются традиционные численные модели», — сказал профессор Ли.

Исследование демонстрирует, что чисто основанная на данных парадигма интеллектуального анализа информации с использованием ИИ может быть надежным и перспективным способом моделирования и прогнозирования сложных океанических явлений в эпоху больших данных дистанционного зондирования. «Модели на основе ИИ, статистические модели и традиционные численные модели могут дополнять друг друга и предоставлять новый взгляд на изучение сложных океанических особенностей», — добавил профессор Ли.