【儀表網(wǎng) 研發(fā)快訊】近日，中國(guó)科學(xué)院海洋研究所人工智能海洋學(xué)研究組在極端天氣條件下的海浪預(yù)報(bào)智能修正方面取得突破性進(jìn)展。相關(guān)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(guó)際海洋學(xué)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(yù)測(cè)中的系統(tǒng)性誤差問題。傳統(tǒng)的數(shù)值模式(如WAM)在臺(tái)風(fēng)等強(qiáng)天氣過程中容易出現(xiàn)高幅度偏差，特別是在風(fēng)–波相互作用劇烈區(qū)域。為此，研究團(tuán)隊(duì)提出了一種基于Fortran–Python耦合框架的實(shí)時(shí)誤差修正系統(tǒng)，將空間—時(shí)間注意力神經(jīng)網(wǎng)絡(luò)與WAM模式深度融合，實(shí)現(xiàn)了對(duì)極端條件下波浪模擬誤差的智能糾正。
 

圖1 實(shí)時(shí)誤差修正系統(tǒng)結(jié)構(gòu)圖
 

　　該系統(tǒng)以CFOSAT衛(wèi)星觀測(cè)為訓(xùn)練基準(zhǔn)，結(jié)合臺(tái)風(fēng)路徑與季節(jié)時(shí)間等物理先驗(yàn)信息，訓(xùn)練構(gòu)建了空間—時(shí)間注意力神經(jīng)網(wǎng)絡(luò)(ECN)。其核心架構(gòu)通過QKV機(jī)制動(dòng)態(tài)關(guān)注誤差關(guān)鍵區(qū)域，并通過嵌入式Fortran–Python接口實(shí)現(xiàn)與WAM模式的實(shí)時(shí)耦合。在每6小時(shí)的模擬步長(zhǎng)內(nèi)，模型自動(dòng)識(shí)別并糾正預(yù)測(cè)誤差，實(shí)現(xiàn)高時(shí)效性與高精度的協(xié)同模擬。
 

　　研究團(tuán)隊(duì)在西北太平洋區(qū)域選取了114個(gè)臺(tái)風(fēng)事件作為訓(xùn)練集，在墨西哥灣32個(gè)颶風(fēng)事件上進(jìn)行了泛化測(cè)試。結(jié)果顯示，ECN模型在WAM基礎(chǔ)上使顯著波高的RMSE下降24.6%，結(jié)構(gòu)相似性指數(shù)(SSIM)提升26.3%；在新事件上的泛化精度進(jìn)一步提升RMSE達(dá)47%，SSIM提升超30%。特別是在極端波浪條件下，修正系統(tǒng)對(duì)譜能量分布和傳播方向的擬合能力大幅增強(qiáng)。
 

　　該研究展示了一種可嵌入現(xiàn)有數(shù)值模式、具備實(shí)時(shí)性、輕量級(jí)且具物理一致性的智能糾錯(cuò)框架，為未來的極端海況實(shí)時(shí)預(yù)報(bào)與智能耦合建模提供了新范式。
 

　　論文第一作者為中國(guó)科學(xué)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(guó)家自然科學(xué)基金創(chuàng)新研究群體項(xiàng)目、國(guó)家資助博士后研究人員計(jì)劃、國(guó)家自然科學(xué)基金重大基金與青島市科技惠民專項(xiàng)等項(xiàng)目的支持。