Методы, основанные на данных, широко применяются для прогнозирования состава атмосферы. Здесь исследуются возможности модели глубокого обучения для прогнозирования содержания озона (O₃) на континентах в Китае, США и Европе. Модель глубокого обучения была настроена и проверена с помощью приземных наблюдений содержания O₃ в Китае и США в 2015–2018 гг. Модель глубокого обучения применялась для прогнозирования почасового содержания O₃ на поверхности трёх континентов в 2015–2022 гг. По сравнению с базовым моделированием с использованием модели GEOS-Chem, анализ показывает средние отклонения 2,6 и 4,8 мкг/м³ с коэффициентами корреляции 0,94 и 0,93 (модель глубокого обучения); и средние отклонения 3,7 и 5,4 мкг/м³ с коэффициентами корреляции 0,95 и 0,92 (модель GEOS-Chem) в Европе в 2015–2018 и 2019–2022 гг. соответственно. Сопоставимые характеристики моделей глубокого обучения и GEOS-Chem указывают на потенциал модели глубокого обучения делать надёжные прогнозы в пространственных и временных областях, где множество локальных наблюдений для обучения недоступно.

 

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2023GL104928