研究介绍

基于多种深度模型构建快速近海复杂边界条件下三维流场水文预报模型，实现快速低耗预报；基于PINN提升模型内部物理可解释度，实现多维度水文预报；比选预报模型在全球尺度通用性，不断迭代更新。

基于深度学习和信号源处理的感潮河段非稳态水位混合预报模型

通过引入经验模态分解“Empirical Mode Decomposition”（EMD）算法，将非线性和非平稳态的水位时间序列分解为较为平稳的固有模态函数“Intrinsic Mode Function”（IMFs)，带入机器学习（ML）模型，提出了一种新的混合短期预测模型（EMD-ITG）。以长江口感潮河段至开敞海岸的水位预测为研究对象，基于实测潮位站资料，通过深度学习方法，开展水位预测，提升水位预测的精确性。

基于盘古气象大模型的台风路径及台风浪波高预报

盘古气象大模型是华为云团队依托强大的计算资源与海量数据训练得到的气象大模型，在预报精度与计算速度上有了极大的提升。利用盘古气象大模型对台风天气下的地表气象要素以及高空气象要素进行预报，并结合热带气旋追踪算法对台风路径进行预报研究；基于盘古气象大模型的路径预报结果和直接修正法改进的预报风场数据驱动SWAN模式，并将其应用于广东和海南岛台风路径及台风浪预报。研究表明：盘古气象模型能够实现长时台风路径预报，且结果优于高分辨率的数值大气模型（ECMWF-HRES）。采用盘古气象大模型预报的台风路径和直接修正法改进台风风场相结合的方法作为波浪场驱动力能够有效地提高台风浪波高的预报精度，是我国台风浪研究及沿岸地区的防灾减灾的可靠技术手段。

近岸水文信息预报系统（FPOCH）

近岸水文信息预报系统（FPOCH）旨在为依赖近海水文信息的水下作业及海底机械平台提供更为优质的服务，是能够与水下无人机相连接的近岸水文水动力自动化预测平台。为契合近海无人平台对水文信息传输的要求，采用LSTM算法和EMD-ITG深度学习方法进行数据再分析处理，从而显著提升预报的精度与时效性。系统集合了中国近海、江苏南部沿海等区域的25个预报点，可以提供波浪、潮流、风等多类型的水文气象预测预报。