深度学习协助预测厄尔尼诺|《自然》论文

　　《自然》发表的一篇论文Deep learning for multi-year ENSO forecasts报道了一种可以提前一年半预测厄尔尼诺事件的深度学习方法，克服了该领域内长期存在的一项挑战。

用来预测厄尔尼诺现象的CNN预测系统

来源: Ham et al.

　　厄尔尼诺事件发生于太平洋东部和中部，会引起极端气候，对当地生态系统造成严重损害。预测这些事件一直困难重重，因为传统的预测方法无法提供超过一年的准确预测。

　　韩国光州全南国立大学的Yoo-Geun Ham及同事报道了能够预测厄尔尼诺事件的深度学习方法，该模型利用1871年至1973年的历史气候数据以及厄尔尼诺事件的模拟数据进行训练，并通过1984年至2017年的数据进行测试。与现行的气候预测方法相比，该深度学习算法的预测准确性更高，预测时间最多可提前一年半。作者还能借此预测某一厄尔尼诺事件是发生于太平洋中部还是东部，并且在其发生之前鉴定海面温度变化。

　　作者认为上述方法提供的预测或许也可用于未来的气候预测，帮助制定政策应对厄尔尼诺的影响。