KunPeng：全球海洋环境模型
机器学习
2025-04-08 v1 人工智能
摘要
灵感来源于大气-海洋物理耦合机制的相似性，本研究创新性地将气象大型模型技术迁移至海洋领域，构建了KunPeng全球海洋环境预测模型。针对海洋空间的断续特性，提出了一种地形自适应掩码约束机制，以有效缓解陆-海边界突然梯度导致的训练发散问题。为充分整合远、中、近尺度的海洋特征，采用纬度循环可变卷积网络 (LC-DCN)，以增强动态感受野，实现对多尺度海洋特征的精细建模。引入基于可变卷积增强的多步预测模块 (DC-MTP)，以强化时序依赖特征提取能力。实验结果表明，该模型在 0.25 度分辨率的全球 15 天预测中实现平均相关系数 (ACC) 为 0.80，优于比较模型 0.01-0.08。平均均方误差 (MSE) 为 0.41（较其他模型降低 5%-31%），平均绝对误差 (MAE) 为 0.44（降低 0.6%-21%）。尤其在海面参数预测、深海区域特征刻画和海流速度场预测方面观察到显著改善。通过对海洋领域不同尺度算子可行性的横向比较，本研究揭示了在海洋过程呈缓变情况下，局部算子显著优于全局算子，表明了动态特征金字塔表示在预测海洋物理参数方面的有效性。
引用
@article{arxiv.2504.04766,
title = {KunPeng: A Global Ocean Environmental Model},
author = {Yi Zhao and Jiaqi Li and Haitao Xia and Tianjiao Zhang and Zerong Zeng and Tianyu Ren and Yucheng Zhang and Chao Zhu and Shengtong Xu and Hongchun Yuan},
journal= {arXiv preprint arXiv:2504.04766},
year = {2025}
}