97久久精品人人做人人爽-97久久香蕉国产线看观看-996久久国产精品线观看-9999国产精品欧美久久久久久

熱帶氣旋監測是防災減災的關鍵，但現有智能方法多采用“先定位、后估算”的串行模式，不僅易導致誤差累積，且常因忽略要素間的物理聯系而產生物理不一致現象，如將弱臺風誤判為大風圈，難以滿足業務化需求。近日，中國科學院海洋研究所提出了一種知識引導的深度學習框架，實現了利用紅外衛星云圖對熱帶氣旋中心、強度和風圈半徑的同步、物理一致性的監測。這一方法為解決人工智能氣象應用中常見的物理不可解釋與物理不一致問題提供了新的解決方案。研究構建了知識引導的通用臺風監測模型（KG-TCM）智能監測框架，以未對齊的紅外衛星云圖作為輸入，通過包含局部相對位置編碼的主干網絡提取多尺度空間特征，經由共享特征提取模塊分流至中心定位、強度反演和風圈半徑反演三個任務分支?？蚣芤蔡貏e引入了跨分支關聯學習模塊，以強化任務間的信息交互，并結合知識引導的損失函數進行物理約束。在一次前向傳播中，研究實現對臺風三大核心要素的同步與物理一致性監測。研究創新性地將物理先驗知識嵌入模型，顯式約束了臺風中心緯度、強度與風圈半徑之間的動力學依賴關系。這一設計使智能模型遵循大氣動力學規律，有效解決了純數據驅動模型的物理不一致問題，為構建物理可解釋的海洋氣象智能監測系統提供了關鍵支撐。相關研究成果發表在Journal of Geophysical Research: Machine Learning and Computation上。研究工作得到國家自然科學基金等的支持。論文鏈接知識引導的通用臺風監測模型（KG-TCM）框架