报告详情
基于深度学习的ENSO预测及其可预报性研究
编号：593
访问权限：仅限参会人
更新：2025-03-31 17:53:21 浏览：2次
特邀报告
报告开始：2025年04月19日 10:30（Asia/Shanghai）
报告时间：20min
所在会场：[S1-2] 专题1.2 人工智能在气候研究中的应用 [S1-2] 专题1.2 人工智能在气候研究中的应用
暂无文件
摘要
厄尔尼诺-南方涛动（ENSO）作为气候系统中最强的年际变率信号，可对全球天气和气候异常产生显著影响，准确模拟和预测ENSO相关海气耦合过程具有重要科学和社会价值。目前，深度学习已成为气候研究的重要方法，并广泛应用于ENSO模拟和预测研究。随着研究的深入，基于深度学习的ENSO研究也从以预测准确性为导向逐渐转向准确性与可解释性并进的发展方向。本报告以2020~2022年三重拉尼娜现象为研究个例，利用前期发展的一个热带太平洋海气耦合智能预测模型（3D-Geoformer）对其开展的预测和过程分析，特别展示了变量扰动法、积分梯度法等AI可解释性方法在ENSO可预报性研究中的应用。通过对模型预测结果的可解释性分析，识别了影响三重拉尼娜事件演变的关键海气变量及过程，并量化了它们的相对贡献，以简要说明AI可解释方法在物理信息挖掘中的工作流程与应用潜力。
关键词
ENSO预测,深度学习,可预报性,可解释性
报告人
周路
博士后 Nanjing University of Information Science and Technology稿件作者
全部评论
重要日期
-
会议日期
04月17日
2025
至04月20日
2025
-
04月03日 2025
初稿截稿日期
-
04月20日 2025
注册截止日期
主办单位
中国科学院大气物理研究所
承办单位
中国科学院大气物理研究所
联系方式
- 皇甫静亮
- hf******@mail.iap.ac.cn
- 133********
发表评论