本技术属于水文、海洋技术领域,具体公开了一种基于傅里叶神经算子的海洋三维温盐流预测方法及系统,所述方法包括以下步骤:获取不同深度层的海洋温度数据、海洋盐度数据和海洋流速数据;构建基于傅里叶神经算子架构的海洋三维温盐流预测模型;将海洋温度数据、海洋盐度数据和海洋流速数据输入海洋三维温盐流预测模型,输出得到海洋三维温盐流预测结果。本发明解决了传统海洋三维温盐流数值模拟的研究存在计算资源消耗大和时间长的问题,提高了预测精度和效率,为海洋科学研究和应用提供强有力的支持。
背景技术
海洋温度、盐度和流结构的长期变化与我国沿海地区的气候、生态环境及海上作业密切相关。了解这些变化规律是确保海洋资源开发、改善海洋环境质量和维持生态平衡的重要科学基础。此外,这对于理解海洋动力学、气候系统和生态系统同样至关重要。海水温度和盐度的变化直接影响大洋环流、全球水循环以及海洋—气候系统的演变,进而影响海洋对全球气候变化的调节能力。这些变化还与关键的海洋—大气热力过程紧密关联,包括海洋热浪的发生、温跃层的形成、厄尔尼诺现象的发展以及深水的生成。因此,精确估算海洋内部的温度场和盐度场对于理解海洋生态系统、海洋动力学以及气候变化至关重要。
目前,温盐流预测主要依赖于数值模型和统计方法。这些方法通常基于一系列物理方程(如Navier-Stokes方程、能量传输方程等)来模拟海洋环境的行为。尽管这些方法能够在一定程度上提供有用的预测结果,但它们仍存在一些固有的局限性:数值模拟需要大量的计算资源,尤其是在进行三维空间和长时间尺度的模拟时;海洋观测数据往往分布稀疏且不连续,这对模型的校准和验证构成了挑战;长时间预测时,模型内部的误差会逐渐累积,导致预测精度下降;而且复杂海洋现象中的非线性相互作用难以被传统模型完全捕捉。这些方法高度依赖于参数设定和人类的认知水平,因此对于复杂海洋过程的模拟效果有限。尤其在实时预测方面,传统方法难以准确预测海洋极端事件,且复杂动力学方程的求解难度大。
实现思路