使用轻量级神经集成的海冰浓度代理建模

北极地区海冰条件的建模和预测对于船舶航线规划、海上石油生产和环境监测是重要的任务。我们提出了名为LANE-SI（用于海冰的轻量级自动神经集成）的自适应代理建模方法，该方法使用具有不同损失函数的相对简单深度学习模型的集成，来预测特定水域海冰浓度的空间分布。实验研究证实，基于适合特定水域的深度学习模型的长期预测质量可与资源密集型的物理建模相媲美，并且在一年中的某些时期，它更优。我们在喀拉海实现了相对于最先进的基于物理的预测系统SEAS5 20%的改进。