AI-GOMS 清华黄小猛
海洋大模型
海洋数据用HYCOM,还有一些ERA5的大气数据用于边界条件,地形数据为ETOPO
backbone model用于预测T S U V SSH,微调后用于下游的降尺度、波解码、生物化学耦合
适用于缺测的稀疏数据
预测给的是30天的结果统计和对比
在backbone model的预测结果统计中,特地提了该模型对stratification的模拟效果,作者认为赤道有开尔文波和罗斯贝波,是一个比较好的看层化的地方,所以展示了一下赤道太平洋的垂直剖面分层模拟结果
该模型每一层用的是AFNO,但是和FourCastNet做对比,比他好。所以要看看既然都用了AFNO,架构上有何不同
这篇论文在AI模型上引入了边界条件和初始条件的概念,但暂时没有发现是如何处理的,从方法实现那一部分的数据维度来看,应该没有在模型结构上显示的处理,只是在概念上作以区分,实际操作上是直接stack成高维然后merge在一起