CNAI4S
智算平台热点追踪算子框架领域模型科学任务智算套件数据资源智算评测协作社区运行情况

友情链接

科技部工信部北京航空航天大学浙江大学
中山大学北京大学华中科技大学之江实验室
百度飞桨华为昇思中科可控
版权所有:科学智算共性平台 京ICP备18020905号-2
京公网安备11010802046602号
联系邮箱: tianyuc@buaa.edu.cn
科学任务/气象学/海洋三维重建任务评测

海洋三维重建任务评测

基于深度学习的海洋三维重建任务评测,评估从多源二维海洋观测数据重建三维海洋温盐结构的算法性能,助力气象预报与海洋科学研究。

气象学中山大学

方法简介

##背景 海洋三维结构的精确重建对于海洋气象预报、气候研究以及海洋生态保护具有重要意义。传统海洋观测手段受限于传感器布设密度和观测成本,难以获取完整的三维海洋数据。本任务旨在评估人工智能技术在海洋三维重建方面的能力,为相关研究提供基准测试。

##方法 本任务采用中山大学开发的海洋三维重建评测框架,基于深度神经网络从海洋表面遥感数据、浮标观测数据等多源信息推断三维温盐场分布。评测重点关注算法的重建精度、计算效率以及对极端海洋现象的捕捉能力。

##应用 该评测任务的应用场景包括:海洋气象数值预报的初始场构建、海洋锋面与涡旋的三维结构分析、深海环境监测与预警、以及全球海洋循环研究等,为我国海洋强国战略提供技术支撑。

学科领域

气象学

贡献方

中山大学

方法

AI/ML

问题类型

科学计算

类似科学任务

DgmrNet:基于深度生成模型的雷达数据气象短临预报

DgmrNet利用深度生成模型对雷达降水数据进行短临预报,能够对广阔区域进行高精度的天气预测,支持灾害预警和气象服务的优化。

NowcastNet

使用深度学习对极端降水事件进行短期预测,提高天气预报的准确性和实时性。

CTEFNet: 基于 CNN 与迁移学习的厄尔尼诺预测模型

CTEFNet结合卷积神经网络和迁移学习,通过时间序列分析提升厄尔尼诺现象的预测时长,为气候变化研究提供高精度的预测工具。。