English(EN) Developing an Offshore Machine Learning Surface Layer Scheme

机器学习模型在海上通量预测方面显示出潜力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-18 04:00

研究人员开发并测试了机器学习技术，特别是神经网络和随机森林，用于参数化海上环境中的湍流通量。利用三个不同海上站点的数据，以垂直梯度为输入，训练了动量和热通量的模型。机器学习模型在海上通量预测方面表现出与已建立的COARE-3模型相当，甚至在某些情况下优于该模型，尤其是在热通量方面。 AI

影响这项研究可能带来更准确的海上大气条件建模，从而可能惠及天气预报和气候研究。

排序理由该集群包含一篇详细介绍新研究成果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Susan Dettling, Sue Ellen Haupt, Thomas Brummet, Patrick Hawbecker, Branko Kosovi\'c, David John Gagne · 2026-08-18 04:00

开发海上机器学习表层方案

arXiv:2608.14935v1 Announce Type: cross Abstract: Turbulent fluxes between the surface and the atmosphere are typically parameterized using empirically fit relationships. Here we test machine learning techniques for fitting the relationship for the offshore environment. To do tha…