ОЦЕНКА ДИНАМИКИ АТМОСФЕРЫ ПО РЕЗУЛЬТАТАМ НЕЙРОСЕТЕВОГО МАСШТАБИРОВАНИЯ ПОЛЕЙ ПРИПОВЕРХНОСТНОГО ВЕТРА НАД БАРЕНЦЕВЫМ И КАРСКИМ МОРЯМИ

  • В. Ю. Резвов Московский физико-технический институт; Институт океанологии им. П. П. Ширшова РАН
  • М. А. Криницкий Московский физико-технический институт; Институт океанологии им. П. П. Ширшова РАН
  • А. В. Гавриков Институт океанологии им. П.П. Ширшова РАН
DOI: 10.29006/1564-2291.JOR-2025.53(2).8
Ключевые слова: масштабирование, приповерхностный ветер, полярные мезоциклоны, новоземельская бора, искусственные нейронные сети, машинное обучение, глубокое обучение, ветровое волнение

Аннотация

В настоящей работе рассматривается использование подхода глубокого обучения для масштабирования (повышения пространственного разрешения) приповерхностного ветра над Баренцевым и Карским морями с помощью глубоких искусственных нейронных сетей с пропускными соединениями для повышения пространственного разрешения при одновременном снижении вычислительных затрат по сравнению с негидростатическим моделированием. Входные данные низкого разрешения получены из глобального атмосферного реанализа ERA5, а высокое разрешение обеспечивается моделью Weather Research and Forecasting (WRF). Результаты нейросетевого масштабирования сравниваются с опорными результатами билинейной интерполяции. Модель улучшает распределение параметров жизненного цикла мезомасштабных структур, приближая их к данным высокоразрешенного моделирования, и в 50 раз превосходит его по быстродействию. Высота ветрового волнения, полученная с использованием граничных условий из нейросетевой модели вместо негидростатической, демонстрирует близкие значения. Разработанная нейросетевая модель также показывает отклонение менее 3 % от высокоразрешенного динамического моделирования по количеству мезомасштабных структур.

Опубликован
2025-06-30
Раздел
Физика океана и атмосферы

Наиболее читаемые статьи этого автора (авторов)