AI模型有助于預(yù)測熱帶大浪和洋流

最近，一組研究人員設(shè)計(jì)了一個(gè)AI模型，該模型能夠預(yù)測延伸超過數(shù)百英里/公里的海洋現(xiàn)象，例如熱帶不穩(wěn)定波(TIW)。熱帶不穩(wěn)定波浪(TIW)是發(fā)生在太平洋赤道附近的海洋事件。太平洋TIW涉及彎曲的三角波運(yùn)動(dòng)，它們沿著熱帶太平洋冷舌的邊緣向西移動(dòng)-熱帶的這一區(qū)域明顯比周圍的海洋冷。

引起TIW的環(huán)境因素異常復(fù)雜，而且這種現(xiàn)象難以預(yù)測。傳統(tǒng)上，使用復(fù)雜的統(tǒng)計(jì)模型和物理模型來預(yù)測TIW。但是，一組研究人員最近設(shè)計(jì)了一個(gè)AI模型，旨在更好地預(yù)測TIW和其他海洋現(xiàn)象。

根據(jù)Phys.org的說法，該研究小組由科學(xué)院海洋研究所(IOCAS)李曉峰教授領(lǐng)導(dǎo)，該小組還包括來自海洋科學(xué)各個(gè)部門的成員，例如上海海洋大學(xué)和第二海洋研究所。自然資源部海洋學(xué)。該團(tuán)隊(duì)利用衛(wèi)星數(shù)據(jù)設(shè)計(jì)了一個(gè)深度學(xué)習(xí)模型，旨在分析不穩(wěn)定性波在海洋中移動(dòng)數(shù)千公里時(shí)的不穩(wěn)定性。即使使用全球衛(wèi)星數(shù)據(jù)，影響海洋現(xiàn)象的環(huán)境因素也難以分辨，但目標(biāo)是AI模型比傳統(tǒng)模型能夠更好地破譯這些變量并做出預(yù)測。

研究人員設(shè)計(jì)的深度學(xué)習(xí)模型利用了衛(wèi)星收集的海面溫度數(shù)據(jù)，分析了當(dāng)前模式并將它們與過去幾年收集的海面溫度數(shù)據(jù)進(jìn)行了對(duì)比。研究人員對(duì)模型進(jìn)行了大約9年的數(shù)據(jù)訓(xùn)練和測試。分析結(jié)果后，研究人員發(fā)現(xiàn)該模型能夠準(zhǔn)確，一致地預(yù)測海面溫度的變化，并由此預(yù)測TIW內(nèi)的時(shí)空變化。

該研究表明，大型數(shù)據(jù)集支持的AI模型甚至可以預(yù)測海洋中某些最復(fù)雜的現(xiàn)象，也是可靠的方法。

李曉峰根據(jù)《物理學(xué)》解釋說：“基于人工智能的模型，統(tǒng)計(jì)模型和傳統(tǒng)的數(shù)值模型可以相互補(bǔ)充，并為研究復(fù)雜的海洋特征提供了新穎的視角。”

希望隨著模型的改進(jìn)和完善，將有助于大浪和暴風(fēng)雨的預(yù)測，這對(duì)海洋航行系統(tǒng)具有實(shí)際應(yīng)用價(jià)值，并可以預(yù)測可能危害沿海城市的惡劣天氣事件。在氣候變化正在改變洋流移動(dòng)和與周圍環(huán)境相互作用的世界中，這類研究特別有價(jià)值。李曉峰及其同事進(jìn)行的研究是使用AI算法和衛(wèi)星數(shù)據(jù)來了解和預(yù)測洋流和相關(guān)現(xiàn)象運(yùn)動(dòng)的日益增長的趨勢(shì)的一部分。

作為AI用于跟蹤和預(yù)測海洋現(xiàn)象的另一個(gè)例子，今年早些時(shí)候，來自普利茅斯海洋實(shí)驗(yàn)室和愛琴海大學(xué)的一組研究人員發(fā)表了一項(xiàng)研究，研究如何使用機(jī)器學(xué)習(xí)算法和衛(wèi)星數(shù)據(jù)來識(shí)別海洋生物的區(qū)域。濃縮塑料廢料并追蹤其蔓延。