OceanForecastBench：面向数据驱动全球海洋预报的基准数据集
机器学习
2025-12-19 v2 机器学习
摘要
全球海洋预报旨在预测温度、盐度及流速等关键海洋变量，此举对于理解与描述海洋现象具有重要意义。近年来，基于深度学习的数据驱动海洋预报模型（如XiHe、WenHai、LangYa及AI-GOMS）已在捕捉复杂海洋动力学及提升预报效率方面展现出巨大潜力。尽管如此，缺乏开源、标准化的基准数据集，致使数据使用方式及评估方法不一，进而阻碍模型开发、限制公平性能比较及约束跨学科协作。为此，本文提出OceanForecastBench，作为数据驱动海洋预报的基准平台，具备三大核心贡献：（1）提供28年规模宏大的全球海洋再分析数据，用于模型训练，涵盖4项海洋变量（跨23个深度层）及4项海面变量；（2）提供高可靠的卫星及现场观测数据，用于模型评估，覆盖全球海洋约1亿个位置；（3）构建评估流水线与完善基准框架，引入6个典型基线模型，依据观测数据从多角度评估模型性能。OceanForecastBench目前为数据驱动海洋预报提供最为全面的基准框架，构建开源平台以支持模型开发、评估与比较。数据集与代码已公开于 https://github.com/Ocean-Intelligent-Forecasting/OceanForecastBench。
引用
@article{arxiv.2511.18732,
title = {OceanForecastBench: A Benchmark Dataset for Data-Driven Global Ocean Forecasting},
author = {Haoming Jia and Yi Han and Xiang Wang and Huizan Wang and Wei Wu and Jianming Zheng and Peikun Xiao},
journal= {arXiv preprint arXiv:2511.18732},
year = {2025}
}