近日，課題組碩士生陶盛恩在ENSO預(yù)測方面的研究工作" Multi-Scale Spatial Features and Temporal Attention Mechanisms: Advancing the Accuracy of ENSO Prediction"被國際期刊 Intelligent Marine Technology and Systems 接收。

海洋觀測技術(shù)的指數(shù)級發(fā)展促進了大量時間序列數(shù)據(jù)的積累，這些數(shù)據(jù)對海洋氣象預(yù)測至關(guān)重要。觀測到的現(xiàn)象中，厄爾尼諾 - 南方濤動（ENSO）尤為重要，它是全球海洋大氣相互作用中的關(guān)鍵決定因素，其嚴(yán)重表現(xiàn)會導(dǎo)致極端氣象條件，因此精確預(yù)測ENSO具有重要的意義。

當(dāng)前的預(yù)測模型主要依賴于動態(tài)模型和統(tǒng)計方法；然而，ENSO事件的復(fù)雜多方面的時空動態(tài)經(jīng)常妨礙了這些傳統(tǒng)方法的準(zhǔn)確性。當(dāng)前研究工作中缺少對于海洋數(shù)據(jù)中長期依賴性的探索，同時，當(dāng)前研究工作缺少對時空數(shù)據(jù)中導(dǎo)出空間信息的不充分整合。

為了解決上述問題，這篇論文引入了一個全新的的ENSO預(yù)測框架，將多尺度空間特征與時間注意力機制相結(jié)合，增強了對長時間段數(shù)據(jù)的保留，同時優(yōu)化了空間信息的利用。通過對全球海洋數(shù)據(jù)同化系統(tǒng)數(shù)據(jù)集進行的初步分析，證明了所提出方法的有效性，特別是在長期預(yù)測方面性能優(yōu)異。本工作的源代碼和數(shù)據(jù)集可以在 https://github.com/tse1998/ENSO-prediction 獲取

Intelligent Marine Technology and Systems（中文名稱《智能海洋技術(shù)與系統(tǒng)》）是由中國海洋大學(xué)與嶗山實驗室聯(lián)合主辦的英文學(xué)術(shù)期刊，全角度涵蓋“人工智能-海洋科學(xué)與技術(shù)”研究領(lǐng)域，包含海洋人工智能和海洋大數(shù)據(jù)、海洋環(huán)境感知、海洋裝備及工程等三大學(xué)科領(lǐng)域，致力于創(chuàng)辦人工智能與海洋技術(shù)交叉研究領(lǐng)域國際一流學(xué)術(shù)期刊。