来源：Nature自然科研
《自然》发表的一篇论文Deep learning for multi-year ENSO forecasts报道了一种可以提前一年半预测厄尔尼诺事件的深度学习方法，克服了该领域内长期存在的一项挑战。
用来预测厄尔尼诺现象的CNN预测系统
来源: Ham et al.
厄尔尼诺事件发生于太平洋东部和中部，会引起极端气候，对当地生态系统造成严重损害。预测这些事件一直困难重重，因为传统的预测方法无法提供超过一年的准确预测。
韩国光州全南国立大学的Yoo-Geun Ham及同事报道了能够预测厄尔尼诺事件的深度学习方法，该模型利用1871年至1973年的历史气候数据以及厄尔尼诺事件的模拟数据进行训练，并通过1984年至2017年的数据进行测试。与现行的气候预测方法相比，该深度学习算法的预测准确性更高，预测时间最多可提前一年半。作者还能借此预测某一厄尔尼诺事件是发生于太平洋中部还是东部，并且在其发生之前鉴定海面温度变化。
作者认为上述方法提供的预测或许也可用于未来的气候预测，帮助制定政策应对厄尔尼诺的影响。
ⓝ
Nature|DOI: 10.1038/s41467-019-1559-7
点击“阅读原文”阅读论文
Deep learning for multi-year ENSO forecasts
相关文章
全球变暖可导致太平洋东部厄尔尼诺现象变化更剧烈|Nature论文
研究者"掐头去尾"降低了气候变化预估值的不确定性
来源：Nature-Research Nature自然科研
原文链接：https://mp.weixin.qq.com/s?__biz=MzAwNTAyMDY0MQ==&mid=2652563538&idx=5&sn=08e2b5fac1b6437e2c45b3bc11b93cea&chksm=80cd46dcb7bacfcae96d018bd3e84ad13455e8978523570e31ea8f0a7b9fe491ee1c15c4b65d&scene=27#wechat_redirect
版权声明：除非特别注明，本站所载内容来源于互联网、微信公众号等公开渠道，不代表本站观点，仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有，如有侵权，请联系删除。
电话：（010）86409582
邮箱：kejie@scimall.org.cn
