1143
0
0
2024-02-29 05:01:29
2024-02-29
近日，課題組碩士生陶盛恩在ENSO預(yù)測(cè)方面的研究工作" Multi-Scale Spatial Features and Temporal Attention Mechanisms: Advancing the Accuracy of ENSO Prediction"被國(guó)際期刊 Intelligent Marine Technology and Systems 接收。
海洋觀測(cè)技術(shù)的指數(shù)級(jí)發(fā)展促進(jìn)了大量時(shí)間序列數(shù)據(jù)的積累，這些數(shù)據(jù)對(duì)海洋氣象預(yù)測(cè)至關(guān)重要。觀測(cè)到的現(xiàn)象中，厄爾尼諾 - 南方濤動(dòng)（ENSO）尤為重要，它是全球海洋大氣相互作用中的關(guān)鍵決定因素，其嚴(yán)重表現(xiàn)會(huì)導(dǎo)致極端氣象條件，因此精確預(yù)測(cè)ENSO具有重要的意義。
當(dāng)前的預(yù)測(cè)模型主要依賴(lài)于動(dòng)態(tài)模型和統(tǒng)計(jì)方法；然而，ENSO事件的復(fù)雜多方面的時(shí)空動(dòng)態(tài)經(jīng)常妨礙了這些傳統(tǒng)方法的準(zhǔn)確性。當(dāng)前研究工作中缺少對(duì)于海洋數(shù)據(jù)中長(zhǎng)期依賴(lài)性的探索，同時(shí)，當(dāng)前研究工作缺少對(duì)時(shí)空數(shù)據(jù)中導(dǎo)出空間信息的不充分整合。
為了解決上述問(wèn)題，這篇論文引入了一個(gè)全新的的ENSO預(yù)測(cè)框架，將多尺度空間特征與時(shí)間注意力機(jī)制相結(jié)合，增強(qiáng)了對(duì)長(zhǎng)時(shí)間段數(shù)據(jù)的保留，同時(shí)優(yōu)化了空間信息的利用。通過(guò)對(duì)全球海洋數(shù)據(jù)同化系統(tǒng)數(shù)據(jù)集進(jìn)行的初步分析，證明了所提出方法的有效性，特別是在長(zhǎng)期預(yù)測(cè)方面性能優(yōu)異。本工作的源代碼和數(shù)據(jù)集可以在 https://github.com/tse1998/ENSO-prediction 獲取
Intelligent Marine Technology and Systems（中文名稱(chēng)《智能海洋技術(shù)與系統(tǒng)》）是由中國(guó)海洋大學(xué)與嶗山實(shí)驗(yàn)室聯(lián)合主辦的英文學(xué)術(shù)期刊，全角度涵蓋“人工智能-海洋科學(xué)與技術(shù)”研究領(lǐng)域，包含海洋人工智能和海洋大數(shù)據(jù)、海洋環(huán)境感知、海洋裝備及工程等三大學(xué)科領(lǐng)域，致力于創(chuàng)辦人工智能與海洋技術(shù)交叉研究領(lǐng)域國(guó)際一流學(xué)術(shù)期刊。
