黄河内蒙段凌情变化规律及智能耦合预报模型

由于特殊的地理位置、水文气象条件及河道特性的影响,黄河内蒙段几乎每年都会发生凌汛。对黄河内蒙段主要控制站的气象水文等实测数据进行分析后,发现近年来随着凌期气温升高,流量增大,流凌、首封日期推后,开河日期提前,且最大冰厚明显变薄。为此,以黄河内蒙段巴彦高勒站为例,通过相关分析选取合适的预报因子,采用基于遗传算法的神经网络方法建立了凌情智能耦合预报模型(GA-BP模型),对流凌、封河、开河日期进行预报。对比不同模型的预报结果,发现多元线性模型、BP模型和GA-BP模型合格率分别为80%、86.7%和93.3%,GA-BP模型的预报精度较高。因此,GA-BP模型可以为黄河内蒙段的凌汛灾害防治提供重要支持。

数据驱动与理论驱动双向耦合的智能化地球系统模式探索

分析总结了人工智能方法在地球系统模式中的应用,提出了人工智能数据驱动与物理模型理论驱动相融合的智能化地球系统模式研究框架,并对该框架的研究思路和关键技术进行了分析。该框架将地球系统模式自下而上的数据驱动模型与自上而下的物理模型耦合,通过双向驱动共同实现地球系统数学物理方程的有效求解,从而构建智能化的地球系统模式。进一步研究需要基于该理论框架提出具体可行的算法,从而促进智能化地球系统模式研究的发展。