一種基于人工智能的ENSO多樣性預(yù)報(bào)方法

基本信息

申請(qǐng)?zhí)?/td> CN202111659938.0 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN114330132B 公開(kāi)（公告）日 2022-07-01
申請(qǐng)公布號(hào) CN114330132B 申請(qǐng)公布日 2022-07-01
分類號(hào) G06F30/27（2020.01）I;G06N20/00（2019.01）I;G01W1/10（2006.01）I;G06F111/10（2020.01）N;G06F119/08（2020.01）N 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 黃平;王聽(tīng)雨 申請(qǐng)（專利權(quán)）人 中國(guó)科學(xué)院大氣物理研究所
代理機(jī)構(gòu) 北京市盛峰律師事務(wù)所 代理人 -
地址 100029北京市朝陽(yáng)區(qū)德勝門外祁家豁子華嚴(yán)里40號(hào)樓
法律狀態(tài) -

摘要

摘要 本發(fā)明公開(kāi)了一種基于人工智能的ENSO多樣性預(yù)報(bào)方法，該方法利用EOF分解法從赤道太平洋SSTA觀測(cè)數(shù)據(jù)中提取出前三個(gè)主模態(tài)，將CMIP6歷史模擬數(shù)據(jù)投影在這三個(gè)主模態(tài)上，得到三組PC值；使用三組PC值作為預(yù)報(bào)值，將初始月的SSTA，以及Tendency項(xiàng)兩種海溫?cái)?shù)據(jù)作為訓(xùn)練的輸入值，使用CMIP6模式訓(xùn)練VGG?11；將觀測(cè)數(shù)據(jù)輸入訓(xùn)練好的模型，得到三個(gè)未來(lái)時(shí)刻的PC值，將其和3個(gè)EOF主模態(tài)合并，即可重構(gòu)出未來(lái)時(shí)刻赤道太平洋地區(qū)的SSTA空間形態(tài)。本方法提高了中太平洋型厄爾尼諾的預(yù)報(bào)技巧，突破了以往動(dòng)力模式在中太平洋地區(qū)的預(yù)報(bào)瓶頸。本方法提高ENSO的預(yù)報(bào)技巧，有助于氣候?yàn)?zāi)害的預(yù)報(bào)和預(yù)警，有助于減少人員和財(cái)產(chǎn)損失。