由TOPEX/Poseidon测算的1997年厄尔尼诺现象。
来自韩国全南国立大学、南京信息工程大学和中国科学院的三位研究人员发现，一个深度学习的卷积神经网络能提前一年半准确预测厄尔尼诺现象。Yoo-Geun Ham、Jeong-Hwan Kim和Jing-Jia Luo将论文发表在《自然》杂志上，阐述了神经网络的训练方法及其预测效果等研究成果。
发生厄尔尼诺-南方涛动现象时，太平洋热带地区水温将高于其正常温度，形成暖流。暖流向东移动，会导致降雨增多等天气现象，如美洲的飓风、澳大利亚和印度尼西亚的少雨干旱。现有的模型可利用世界各地的水温计数据最多提前一年做出预测。但是，科学家们希望能预测得更快更好，因为异常现象会给有关地区带来重大影响。例如，若能预知印尼发生旱灾的时间，可有助于当局做好粮食储备，以养活一段时间内突然无法种植粮食的人们。在这项新的研究中，研究人员采用一种深度学习神经网络模型来预测厄尔尼诺现象，有别于传统的天气预测模型。
研究人员表示，他们利用从1871年至1973年的气象站数据来训练预测系统。这些数据包括海洋温度和平均海洋热含量等各类天气和环境测量数据。他们还利用1961年至2005年间发生的300次厄尔尼诺现象对系统进行训练。待系统完成训练后，他们利用1984年至2017年的数据进行测试。结果表明，他们的系统比现有的天气模型更准确，在34次现象中，系统能正确识别24次，优于传统模型的20次。同时，系统能提前一年半做出预测。研究人员还表示，系统能识别出其他被认为会导致厄尔尼诺的现象，如印度洋偶极子。
本文来自投稿，不代表本人立场，如若转载，请注明出处：http://www.souzhinan.com/kj/234178.html
赞 (139)
打赏
金融科技 | 开放银行
« 上一篇2019-12-16 15:38:15
无线充电，2020无线大年的投资机会
下一篇 »2019-12-16 15:38:16