Presentation Details
基于深度学习的气溶胶三维同化及应用
ID：447
View Protection：ATTENDEE
Updated Time：2024-04-10 20:27:48 Hits：2000
Invited speech
Start Time：2024-05-19 08:00（Asia/Shanghai）
Duration：20min
Session：S12 主题12、大气物理与气象气候 »
No files
Abstract
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。
Keywords
深度学习；变分同化；气溶胶
Speaker
臧增亮
教授 国防科技大学Submission Author
All Comments
Important Date
-
Conference Date
May 17
2024
toMay 20
2024
-
Mar 31 2024
Draft paper submission deadline
-
Mar 31 2024
Contribution Submission Deadline
-
May 20 2024
Registration deadline
Sponsored By
青年地学论坛理事会
Organized By
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
Contact Information
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
Submit Comment