基于机器学习方法诊断涡-流相互作用的非线性过程
编号:129 稿件编号:561 访问权限:仅限参会人 更新:2025-03-26 16:53:47 浏览:109次 特邀报告

报告开始:2025年04月19日 08:50 (Asia/Shanghai)

报告时间:15min

所在会议:[S1-16] 专题1.16 高影响天气气候事件可预报性及AI算法的应用 » [S1-16] 专题1.16 高影响天气气候事件可预报性及AI算法的应用

暂无文件

摘要
印尼贯穿流一直是印-太区域的研究热点,然而过去大多数的研究都主要关注其作为连接两大洋的贯穿流特性。最新的现场观测和高分辨率的再分析资料显示,在印尼贯穿流经过的关键海峡和内海,常年存在着显著的海洋涡旋和大弯曲,例如棉兰老涡旋、哈马黑拉涡旋、苏拉威西海的涡旋和大弯曲等。从总流量看,印尼贯穿流承接了大部分进入海洋性大陆的北赤道流-棉兰老流分支,但从其流量变率看,海洋涡旋的存在对其流量变化具有不可忽视的调制作用。目前对于海洋涡旋与印尼贯穿流涡-流相互作用的关注仍然很少,最重要的原因是涡-流相互作用存在强非线性过程,形态复杂多变,传统的线性分析方法难以梳理出涡-流形态的多时空变化过程。本研究采用大数据机器学习分析方法,从大量的历史再分析数据中提取海洋涡旋和印尼贯穿流的多时空变化特征及其非线性相关关系,揭示海洋涡旋调制印尼贯穿流的关键物理过程。
关键字
机器学习,涡旋,印尼贯穿流
报告人
韦骏
教授 中山大学

稿件作者
韦骏 中山大学
发表评论
验证码 看不清楚,更换一张
全部评论
登录 注册缴费 提交稿件 酒店预订