加入支持让我们有继续维护的动力！会员畅享查看所有预告
立即购买
三元名家论坛系列报告之第1038期:环渤海风暴潮灾害数值模拟与预警
本次讲座将介绍环渤海风暴潮灾害的数值模拟与智能预警研究，融合物理模型与深度学习方法，构建多尺度预报框架，提升风暴潮预测精度与时效性。
报告介绍
在气候变化背景下，渤海台风风暴潮灾害风险上升，传统数值预报模型存在精度与时效性不足的问题。本研究融合数值模拟与数据驱动方法，构建集模拟预测、可解释分析、不确定性量化与复杂度评估于一体的风暴潮预报框架。
研究采用FVCOM、ADCIRC模型生成训练数据，结合LSTM、CNN-LSTM、ConvLSTM等深度学习模型，并引入残差修正机制融合物理机理与数据驱动优势，实现1–72小时风暴潮预测。利用SHAP、PIM等方法量化因子贡献，通过改进混合模型实现概率预测与不确定性归因，并基于VMD技术分析数据与模型复杂度对预报性能的影响。
结果表明：CNN-LSTM与ConvLSTM模型表现最优，残差修正提升稳健性；驱动因子贡献具时序差异；
不确定性具空间异质性；模型与数据复杂度与精度呈非线性关系，存在饱和阈值，VMD有助于提升简易模型效果。
报告人介绍
本科毕业于浙江大学，美国马里兰大学取得博士学位，研究员，博士生导师，入选中科院引进人才计划、烟台市“双百计划”全职创新人才。中国科学院烟台海岸带研究所近岸河口物理海洋研究组组长，研究方向为近岸水动力学，包括近岸波流相互作用模拟与观测、三维水动力学模型、第三代海浪模型及拉格朗日粒子追踪模型的改进与应用。
以第一或通讯作者在JPO、JGR: Oceans、Ocean Modelling等期刊发表论文30余篇，研究成果多次被中国科学院官网报道。2018年与2023年分别获SCI期刊ECSS与JMSE杰出审稿人。主持国家自然科学基金等多项项目。
