Эль-Ниньо – Южное колебание (ЭНЮК) – весьма заметное климатическое явление, имеющее серьёзные последствия для глобальных погодных условий и изменения климата. Точное предсказание ЭНЮК имеет значительную научную и экономическую ценность. Однако из-за сложной взаимосвязи между эволюцией океанов и атмосферы в пространственных и временных масштабах в настоящее время наиболее совершенным физически обоснованным динамическим моделям с трудом удаётся давать точные прогнозы за пределами одного года. Модели глубокого обучения часто отдают приоритет комплексному сложению модулей, игнорируя важнейшую пространственную и временную информацию и обеспечивая неточные прогнозы на длинных дистанциях. Чтобы преодолеть эти проблемы, в этом исследовании предлагается модель ENSONet. Она определяет область высокой корреляции Ниньо и временные отношения путём разработки чётких параметров обучения пространственного местоположения и временного внедрения. Архитектура прогрессивного прогнозирования использует множественное обучение для повышения точности долгосрочного прогнозирования и эффективной дистанции. Кроме того, на основе особенностей океана с помощью пространственных и временных модулей обнаруживаются новые регионы, важные для прогнозирования, а сложные структуры прогнозирования изучаются путём точного моделирования пространственно-временных отношений. Обширные эксперименты с наборами реальных данных показывают, что ENSONet идентифицирует регионы, непосредственно связанные с индексом Ниньо, и выявляет новые представляющие интерес регионы посредством непрерывного обучения. Успешно прогнозируя изменения ЭНЮК с 1984 по 2023 гг., она демонстрирует своё качество в изучении сложных моделей прогнозирования. В заключение, ENSONet не только расширяет горизонт прогнозирования до 18-го месяца, но также демонстрирует значительное повышение его точности со средним улучшением на 28,99%, тем самым достигая самых современных показателей.

 

Ссылка: https://link.springer.com/article/10.1007/s00382-024-07119-z