[特邀报告]基于深度学习的气溶胶三维同化及应用

基于深度学习的气溶胶三维同化及应用
编号:447 稿件编号:4426 访问权限:仅限参会人 更新:2024-04-10 20:27:48 浏览:54次 特邀报告

报告开始:2024年05月19日 08:00 (Asia/Shanghai)

报告时间:20min

所在会议:[S12] 主题12、大气物理与气象气候 » [S12-4] 主题12、大气物理与气象气候 专题12.2(19日上午,222)

暂无文件

摘要
    资料同化旨在将先前的预报信息和最新的观测资料相融合,形成连续的时间和空间上最优分析场,以提供更准确的数值模式初值。但传统的变分同化或集合卡尔曼滤波同化方法的计算成本很高,是制约数值预报能力提高的瓶颈之一。本文提出了一种高效融合深层多尺度注意力的Unet模型,以传统基于三维变分同化的分析场作为标签开展训练,通过将观测数据和三维模式背景场输入到训练好的三维深度学习同化网络中,就可以得到三维模式分析场,从而替代了三维变分同化过程。结果表明,经过训练的三维深度学习同化模型能够很好的模拟三维变分同化系统,二者的同化分析场效果相似,并且计算效率远远高于传统的变分同化方法,同化单个分析场的速度是后者的34倍,突破了传统变分同化计算成本高的限制。
 
关键字
深度学习;变分同化;气溶胶
报告人
臧增亮
教授 国防科技大学

稿件作者
臧增亮 国防科技大学
高华 国防科技大学
发表评论
验证码 看不清楚,更换一张
全部评论
● 会务总协调  

● 学术安排

 

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

13313708075

lliu@iue.ac.cn

 

● 会场技术服务

 

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

     
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

许心雅 18005960255 xuxinya@xmu.edu.cn
           

海报张贴

 

● 酒店预定及咨询

 
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com

卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订