Влияние глобального потепления
Под воздействием глобального потепления Арктика переходит из состояния, в котором преобладает многолетний толстый лёд, в «новую Арктику», где доминирует однолетний тонкий лёд. Этот более молодой лёд более хрупок и склонен к таянию, что не только усиливает нестабильность ледяного покрова, но и создаёт новые проблемы для прогнозирования морского льда.
Значение точного прогнозирования морского льда
Точное прогнозирование морского льда имеет большое значение для понимания климатической системы и обеспечения безопасности арктической навигации. Однако из-за совокупного влияния атмосферных, океанических и других факторов точное прогнозирование остаётся ключевой задачей международных исследований.
Новый метод прогнозирования
Недавно доцент Баоцян Тянь из Института физики атмосферы Китайской академии наук и профессор Ке Фань из Университета Сунь Ятсена разработали новый метод прогнозирования площади арктического морского льда в сентябре в режиме реального времени, основанный на подходах пошаговой регрессии и межингодичных приращений.
Публикация результатов
Результаты были опубликованы в журнале Atmospheric and Oceanic Science Letters под названием «Новый метод пошаговой регрессии для прогнозирования площади арктического морского льда в сентябре: сравнение с нейронными сетями с короткой памятью».
Результаты исследования
Исследование показывает, что этот метод, который объединяет начальные условия морского льда с термодинамическими и динамическими процессами, отбирает эффективные предикторы с помощью пошаговой регрессии и включает подход межингодичных приращений, демонстрирует высокую прогностическую эффективность для площади арктического морского льда в сентябре.
По сравнению с LSTM (длинная краткосрочная память) нейронными сетями новый метод демонстрирует меньшие ошибки прогнозирования и большую стабильность в независимых тестах с 2014 по 2022 год. Точность прогнозирования нового метода также превосходит прогнозы, опубликованные в Sea Ice Outlook.
Хотя LSTM хорошо работает на этапе обучения, его надёжность прогнозирования в реальных условиях уступает новому методу. Это ограничение потенциально связано с ограниченной доступностью данных о морском льде, что может привести к переобучению сложных моделей машинного обучения.
Профессор Ке Фань, автор статьи, объясняет: «Наш метод прогнозирования не только учитывает независимость предикторов, чтобы избежать переобучения, но и усиливает сигнал прогнозирования с помощью подхода межингодичных приращений, тем самым повышая прогностическую способность модели».
Предоставлено Институтом физики атмосферы Китайской академии наук.