<xmp id="yaw2a"><table id="yaw2a"></table>
  • 綜合新聞

    AAS舉辦第三期前沿論壇: 人工智能與大氣科學

      《大氣科學進展》(AAS)編輯部于2022年4月27日舉辦第三期線上論壇,主題為“人工智能與大氣科學”。北京大學張平文院士、中科院海洋研究所張榮華研究員、浙江大學畢磊研究員、以及中國海洋大學韓雷教授先后在論壇作主題報告,論壇由AAS編委韓雷教授主持。

      韓雷教授在開場介紹中,從學科屬性分類入手,介紹了人工智能與大氣科學研究的背景,重要的國際前沿進展,以及各國在該交叉研究領域的戰略布局。

      張平文院士作為第一個主講人,以智慧氣象預報為應用場景,從數學家的視角,深入淺出地介紹了機理與數據的融合計算,并對未來發展進行了高屋建瓴的展望。張榮華研究員介紹了主振蕩型分析與神經網絡相結合的混合模型及對ENSO的預測研究。畢磊研究員介紹了基于機器學習方法的非球形粒子光學特性參數化方案。韓雷教授介紹了人工智能在數值預報偏差訂正中的應用研究。上述研究成果均已發表于AAS。

      本次論壇吸引了業界的極大關注,共有800人次參加了本次論壇,每個報告結束后都收到了觀眾的踴躍提問,主講人均進行了細致的回答。在論壇過程中,不斷有聽眾留言,表示受益良多,認為主講人報告精彩、討論熱烈,本次論壇不但提升了AAS在業內的關注度,也對開拓大氣領域年輕人的視野也積極的作用。

      論壇報告及討論的錄屏回放已整理發布在AAS微信公眾號https://mp.weixin.qq.com/s/h8V0wFFoC1rwDF4xNBJczw。

      本次論壇是AAS繼以“2020/21極寒事件“、”季風區季節和次季節尺度氣候預測”為主題的前沿論壇成功舉辦后的第三期前沿論壇。AAS編輯部感謝各位專家的支持和信任,將總結前三期論壇經驗,繼續將論壇辦好,成為AAS的品牌活動。

      附:近年來AAS發表的人工智能與大氣科學交叉研究的相關文章 (部分):

      1.Han, L., M. X. Chen, K. K. Chen, H. N. Chen, Y. B. Zhang, B. Lu, L. Y. Song, and R. Qin, 2021: A deep learning method for bias correction of ECMWF 24–240 h forecasts. Adv. Atmos. Sci., 38(9), 1444-1459, https://doi.org/10.1007/s00376-021-0215-y.

      2.Li, H. C., C. Yu, J. J. Xia, Y. C. Wang, J. Zhu, and P. W. Zhang, 2019: A model output machine learning method for grid temperature forecasts in the Beijing area. Adv. Atmos. Sci., 36(10), 1156-1170, https://doi.org/10.1007/s00376-019-9023-z

      3.Liu, C., S. Yang, D. Di, Y. J. Yang, C. Zhou, X. Q. Hu, and B.–J. Sohn, 2021: A machine learning-based cloud detection algorithm for the Himawari-8 spectral imager. Adv. Atmos. Sci., https://doi.org/10.1007/s00376-021-0366-x

      4.Liu, N., and Coauthors, 2022: Meshless Surface Wind Speed Field Reconstruction based on Machine Learning. Adv. Atmos. Adv. Atmos. Sci., https://doi.org/10.1007/s00376-022-1343-8

      5.POLROLNICZAK, M., L. Kolendowicz, B. Czernecki, M. Taszarek, and G. Tóth, 2021: Determination of surface precipitation type based on the data fusion approach. Adv. Atmos. Sci. , 38(3), 387-399, https://doi.org/10.1007/s00376-020-0165-9

      6.Xia, J. J., and Coauthors, 2020: Machine learning?based weather support for the 2022 Winter Olympics. Adv. Atmos. Sci., 37(9), 927-932, https://doi.org/10.1007/s00376-020-0043-5.

      7.Yu, J. H., L. Bi, W. Han, and X. Y. Zhang, 2022: Application of a neural network to store and compute the optical properties of non-spherical particles. Adv. Atmos. Sci., https://doi.org/10.1007/s00376-021-1375-5.

      8.Zhou, K. H, J. S. Sun, Y. G. Zheng, and Y. T. Zhang, 2022: Quantitative precipitation forecast experiment based on basic NWP variables using deep learning. Adv. Atmos. Sci., https://doi.org/10.1007/s00376-021-1207-7

      9.Zhou, L., and R.-H. Zhang, 2022: A hybrid neural network model for ENSO prediction in combination with principal oscillation pattern analyses. Adv. Atmos. Sci., 39(6), 889-902, https://doi.org/10.1007/s00376-021-1368-4.

      
    附件下載:
    久久久久久人妻一区,国产亚洲精品线观看不卡,男女猛烈无遮挡免费视频高清
    <xmp id="yaw2a"><table id="yaw2a"></table>
  • d