作者: aeks |
发布时间: 2026-01-18 06:02
学科:
大气科学
海洋科学
环境科学与工程
计算机科学与技术
我们开发了一种混合模型，将机器学习嵌入SPEAR气候模型以校正海冰预测偏差。通过比较两个版本（一个经冰-气-海耦合反馈训练，另一个未经过），发现前者（HybridCPL）能减少北极季节性误差及南极5-12月误差，将南极冬季海冰范围的4-6个月预报误差降低超一半。后者（HybridIO）因样本外问题导致南极夏季无冰。研究表明机器学习可提升海冰预测能力，且结合耦合过程训练至关重要。
标签:
偏差校正
机器学习
海冰预测
混合模型
耦合气候模型