学术报告 | 深度学习与云对流参数化方案

深度学习与云对流参数化方案

时间：5月24日（周三）18:00-20:00

分享人：韩轶伦

腾讯会议号：984 618 2024

个人简介

2012～2016

南京大学大气科学学院 理学学士

2016～2022

清华大学地球系统科学系 生态学博士 

导师：张广俊教授

论文题目：基于深度学习的湿物理参数化方案探索

2022~ 清华大学地球系统科学系 博士后

合作导师：王勇 副教授

讲座摘要

    云和对流参数化方案是气候模式的重要组成部分，也是气候模拟的主要误差来源之一。数据科学的快速发展，构建机器学习的参数化方案成为可能。报告采用多种深度神经网络结构，以云解析模拟结果为训练数据，在国际上率先成功建立了“真实地球”设定条件下的深度学习云和对流参数化方案。该方案首先采用了对流记忆结构，能够提升模式对于强降水频率和对流日变化的模拟。此外，对深度学习方案进行物理解释，可探究其内部物理逻辑。

声明：欢迎转载、转发本号原创内容，可留言区留言或者后台联系小编(微信：gavin7675)进行授权。气象学家公众号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。文中部分图片来源于网络，如涉及作品内容、版权和其他问题，请后台联系小编处理。

★ 获取ERA5-Land陆面高分辨率再分析数据(32TB)

★ 1942-2022年中国地面气象站观测数据免费分享

★ 获取全球GPM降水数据，半小时/逐日(4TB)

★ 获取1998-2019 TRMM 3B42逐日降水数据

★ 获取最新版本CMIP6降尺度数据集30TB

★ 获取ERA5常用变量再分析数据26TB

★ EC数据商店推出Python在线处理工具箱

★ EC打造实用气象Python工具Metview

★ 机器学习简介及在短临天气预警中的应用

★ Nature-地球系统科学领域的深度学习及理解

★ 采用神经网络与深度学习来预报降水、温度 等

★ 灵魂拷问：ChatGPT对气象人的饭碗是福是祸？

★ 气象局是做啥的？气象局的薪水多少？

★ 一位气象学家尝试ChatGPT复现Nature子刊的研究，他真的会面临失业吗？！