研究人员开发了NORi，一种新颖的机器学习参数化方案，用于模拟海洋边界层湍流。NORi将神经常微分方程（NODEs）与基于物理的理查森数闭合相结合，以准确模拟夹带动力学。NORi使用大涡模拟进行训练，展示了强大的预测和泛化能力，在气候模型中的稳定性与性能与现有方法相当。 AI
影响 这项研究通过将机器学习与物理参数化相结合，提出了一种提高气候模型准确性的新方法。
排序理由 关于开发新的基于机器学习的海边界层参数化方案的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- k-epsilon closure
- Neural Ordinary Differential Equations
- NORi
- Ocean Weather Station Papa
- Richardson number
- Xin Kai Lee
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
