大气所研发CoTCN模型显著提升全球海表温度预报精度, 1天SST预报误差仅0.2°C
💡
原文中文，约2700字，阅读约需7分钟。
📝
内容提要
林鹏飞研究员在2025 CCF全球高性能计算大会上介绍了其团队研发的CoTCN深度学习模型，该模型结合了Transformer与CNN，显著提高了全球海表面温度短期预报的精度。研究表明，CoTCN在复杂海域的预报误差降低了15-60%，并能在国产算力平台上高效训练，展示了其先进性和重要性。
🎯
关键要点
- 林鹏飞研究员在2025 CCF全球高性能计算大会上介绍了CoTCN深度学习模型。
- CoTCN模型结合了Transformer与CNN，显著提高了全球海表面温度短期预报的精度。
- 研究表明，CoTCN在复杂海域的预报误差降低了15-60%。
- CoTCN模型在国产算力平台上高效训练，训练效率优于多种主流模型。
- 该模型在预报精度方面表现稳定，1天预报均方根误差约为0.2°C，10天预报相关系数保持在0.8以上。
- CoTCN采用双分支并行架构，融合了全局建模能力和局部特征提取优势。
- 林鹏飞研究员在海洋模式研发与应用研究方面有丰富经验，发表了50余篇论文。
❓
延伸问答
CoTCN模型的主要创新点是什么？
CoTCN模型结合了Transformer与CNN，采用双分支并行架构，融合了全局建模能力和局部特征提取优势。
CoTCN模型在海表温度预报中的表现如何？
CoTCN模型在1天预报的均方根误差约为0.2°C，且在复杂海域的预报误差降低了15-60%。
CoTCN模型的训练效率如何？
CoTCN在68M参数规模下仅需5.93小时完成训练，训练效率优于多种主流模型。
CoTCN模型的应用场景有哪些？
该模型可用于海洋环境监测、远洋航运安全和海洋渔业生态等领域的短期温度预报。
林鹏飞研究员在海洋模式研发方面有哪些成就？
林鹏飞研究员研发了国产全球海洋环流模式LICOM，并在相关领域发表了50余篇论文。
CoTCN模型与其他主流模型相比有什么优势？
CoTCN在均方根误差、平均绝对误差等评估指标上表现稳定，尤其在复杂海域的预报精度显著优于其他模型。
➡️
