报告详情
在WRF-Chem中改善气相化学求解器：一种基于多头自注意力机制的深度学习方法
编号：462
访问权限：仅限参会人
更新：2024-04-10 20:28:58 浏览：784次
口头报告
报告开始：2024年05月19日 11:54（Asia/Shanghai）
报告时间：12min
所在会场：[S12] 主题12、大气物理与气象气候 [S12-4] 主题12、大气物理与气象气候 专题12.2（19日上午，222）
暂无文件
摘要
气相化学模拟对于环境影响评估、农作物生长、人类健康等十分重要。但传统数值模式由于计算量较大，导致模式中很多关键化学过程被过度简化甚至缺失。前人尝试使用深度学习方法去缓解该问题，但大多受到了维度灾难和误差迭代增长的显著影响。本研究提出了一种基于多头自注意力机制的气相化学求解器MHSA-CSolver，用来替代WRF-Chem中SAPRC-99气相化学方案。它首次实现仅使用一个深度学习求解器就能完全替代整个复杂的化学方案并无缝耦合到数值模式中去，从而实现了快速、准确和稳定的模拟，而无需像前人那样为每个化学物种训练单独的求解器。结果显示该方法不仅准确率高(平均R2为0.99，平均RMSE为5.20 ppb，平均NMB为1.88%)，还具有显著的速度优势(相比模式自身而言加速10.2倍)。
关键词
气相化学求解器,深度学习,WRF-Chem
报告人
夏子涵
硕士研究生 中国科学技术大学稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论