[口头报告]在WRF-Chem中改善气相化学求解器:一种基于多头自注意力机制的深度学习方法

在WRF-Chem中改善气相化学求解器:一种基于多头自注意力机制的深度学习方法
编号:462 稿件编号:128 访问权限:仅限参会人 更新:2024-04-10 20:28:58 浏览:52次 口头报告

报告开始:2024年05月19日 11:54 (Asia/Shanghai)

报告时间:12min

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
气相化学模拟对于环境影响评估、农作物生长、人类健康等十分重要。但传统数值模式由于计算量较大,导致模式中很多关键化学过程被过度简化甚至缺失。前人尝试使用深度学习方法去缓解该问题,但大多受到了维度灾难和误差迭代增长的显著影响。本研究提出了一种基于多头自注意力机制的气相化学求解器MHSA-CSolver,用来替代WRF-Chem中SAPRC-99气相化学方案。它首次实现仅使用一个深度学习求解器就能完全替代整个复杂的化学方案并无缝耦合到数值模式中去,从而实现了快速、准确和稳定的模拟,而无需像前人那样为每个化学物种训练单独的求解器。结果显示该方法不仅准确率高(平均R2为0.99,平均RMSE为5.20 ppb,平均NMB为1.88%),还具有显著的速度优势(相比模式自身而言加速10.2倍)。
关键字
气相化学求解器,深度学习,WRF-Chem
报告人
夏子涵
硕士研究生 中国科学技术大学

稿件作者
夏子涵 中国科学技术大学
赵纯 中国科学技术大学
杜秋燕 中国科学技术大学
杨紫宁 中国科学技术大学
张鸣帅 中国科学技术大学
乔良 中国科学技术大学
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