基于纯数据驱动的Transformer模型对2023~2024年热带太平洋气候状态的实时预测
image: 2020~2024年间来自GODAS再分析资料的Niño3.4 SST异常区域的3个月平均值；黑线）、来自IRI收集的统计模式（绿线）和动力模式（蓝线）的预测结果以及3D-Geoformer（红线）的预测结果. 每条彩色线表示从不同月份开始的9个月预测的轨迹，IRI的统计和动力模式预测结果直接取自网站：https://iri.columbia.edu/our-expertise/climate/forecasts/enso/current/ view more
Credit: ©《中国科学》杂志社
《中国科学:地球科学》发表了南京信息工程大学海洋科学学院张荣华教授等的研究成果，该研究团队采用一个基于深度学习的Transformer模型(称之为3D-Geoformer), 对热带太平洋与厄尔尼诺和南方涛动(ENSO)相关的2023~2024年气候状态进行了实 时预测。该模型采用了几个对热带太平洋ENSO至关重要的海洋-大气关键变量作为输入和输出场, 使得这一纯数据驱动的模型在训练和预测过程中都能充分表征了海洋-大气间耦合及相互作用; 该模型预测过程采用与动力模式类似的滚动方式；另外, 预测时采用了多月时间段(Time intervals, TIs)中的海洋-大气关键变量场信息作为预报因子(输入场)。3D-Geoformer的实时预测结果表明, 热带太平洋确定会在2023年年末发展成为厄尔尼诺事件。此外, 基于3D-Geoformer进行了敏感性 试验以检验输入场是如何影响预测技能的, 包括TIs的取值以阐明初始场中保留多长时间段的海洋-大气关键变量 场相关信息可得到更为有效的预测。
论文：张荣华, 周路，高川，陶灵江. 2024. 基于纯数据驱动的 Transformer 模型对 2023~2024 年热带太平洋气候状态的实时预测. 中国科学: 地球科学, 54(12): 3748–3765.