一种基于人工智能的ENSO多样性预报方法

摘要

本发明公开了一种基于人工智能的ENSO多样性预报方法，该方法利用EOF分解法从赤道太平洋SSTA观测数据中提取出前三个主模态，将CMIP6历史模拟数据投影在这三个主模态上，得到三组PC值；使用三组PC值作为预报值，将初始月的SSTA，以及Tendency项两种海温数据作为训练的输入值，使用CMIP6模式训练VGG‑11；将观测数据输入训练好的模型，得到三个未来时刻的PC值，将其和3个EOF主模态合并，即可重构出未来时刻赤道太平洋地区的SSTA空间形态。本方法提高了中太平洋型厄尔尼诺的预报技巧，突破了以往动力模式在中太平洋地区的预报瓶颈。本方法提高ENSO的预报技巧，有助于气候灾害的预报和预警，有助于减少人员和财产损失。