基于物理引导的深度回声状态网络对 ENSO 的长期预测
大气与海洋物理
2026-01-21 v1 混沌动力学
摘要
厄尔尼诺-南方涛动（El Niño-Southern Oscillation, ENSO）是年际气候变率的主导模态，然而限制其长超前预测能力的机制仍不清楚。在此，我们开发了一个物理引导的深度回声状态网络（Deep Echo State Network, DESN），该网络基于从扩展充电振荡器（extended recharge oscillator, XRO）框架中选取的物理可解释的气候模态运行。DESN 以最小的计算成本实现了长达 16-20 个月的 Niño3.4 指数技巧性预测。机制实验表明，扩展的可预测性源于暖水体积与跨海盆气候模态之间的非线性耦合。误差增长分析进一步表明，ENSO 的可预测性期限有限，约为 30 个月。这些结果证明，物理引导的储备池计算为诊断和长期预测 ENSO 提供了一个高效且可解释的框架。
引用
@article{arxiv.2601.12251,
title = {Long-term prediction of ENSO with physics-guided Deep Echo State Networks},
author = {Zejing Zhang and Jun Meng and Zhongpu Qiu and Wansuo Duan and Jian Gao and Zixiang Yan and Jinghua Xiao and Xiaosong Chen and Wenju Cai and Jürgen Kurths and Shlomo Havlin and Jingfang Fan},
journal= {arXiv preprint arXiv:2601.12251},
year = {2026}
}