近日，我院黄添强教授带领的人工智能研究团队在深度学习+地球系统科学的研究上取得了重要进展。
厄尔尼诺-南方涛动（ENSO）是地球系统年代际变化的主要变量，它影响到全球气候、农业、生态系统、人类健康和社会生活的方方面面。为了提高对ENSO的预报能力，提出了一种基于深度残差卷积网络的模型，并利用dropout和迁移学习克服了模型训练阶段数据不足的问题。该模型能够提前20个月有效预测Nino3.4指数，比现有的最优模型增加了3个有效月。而且，通过同构迁移学习该模型能提前18个月有效预测ONI指数。利用异构迁移学习该模型能以83.3%的准确度提前12个月预测ENSO的类型。
该研究成果以《Deep Residual Convolutional Neural Network Combining Dropout and Transfer Learning for ENSO Forecasting》为题发表于地球系统科学领域顶级期刊《Geophysical Research Letters》(中科院一区Top，2020版)上。该论文福建师范大学为第一单位，第一作者为我院硕士研究生胡杰，共同第一作者为我院翁彬博士，通讯作者为黄添强教授。
官网链接：https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2021GL093531