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