讲座题目 | 基于深度学习和数据同化的空气质量数值预报 | ||
主办单位 | 数理与统计学院 | 协办单位 | 统计与数据计算系 |
讲座时间 | 4月28日 14:00-15:00 | 主讲人 | 金建炳教授 |
讲座地点 | |||
主讲人简介 | 金建炳博士，南京信息工程大学环境科学与工程学院校聘教授。2009年考入哈尔滨工业大学，分别获得学士、硕士学位。2015年赴荷兰代尔夫特理工大学留学，2019获得博士学位。同年加入荷兰应用科学院，任助理科学家。2020年入职南信大。金博士主要研究兴趣包括数据同化理论/应用、大气数值模式开发及深度学习在数值模式领域的应用。前期在观测资料偏差校正、观测算子质量控制等数据同化应用领域积累了较多经验，以第一/通信作者发表论文10余篇。 | ||
讲座内容简介 | 深度学习、数据同化是大气模拟预报重要工具。本报告介绍了全时全域“双高”空气质量预报模型RFSML v2.0，围绕以下四个方面对模型进行了具体介绍。 （a）多要素输入的空气质量临期（< 24 h）数值预报模型； （b）区域关键因子特征提取技术； （c）基于集合卡尔曼滤波器的多预报深度融合； （d）集合卡尔曼融合中背景协方差增益算法。 | ||
南京信息工程大学金建炳教授为我校师生作学术报告
作者：高雪瑞
4月28日下午，南京信息工程大学金建炳教授应数理与统计学院邀请在行政楼1308室为广大师生作了题为“基于深度学习和数据同化的空气质量数值预报”的学术报告。报告会由数理与统计学院统计与数据计算系主任江开忠主持。
金建炳教授首先通过实例介绍了深度学习和数据同化是大气模拟预报的重要工具。接着，金教授从多要素输入的空气质量临期（< 24 h）数值预报模型、区域关键因子特征提取技术、基于集合卡尔曼滤波器的多预报深度融合和集合卡尔曼融合中背景协方差增益算法等四个方面介绍了课题组最新研究成果：全时全域“双高”空气质量预报模型RFSML v2.0。最后，互动环节，与会师生就深度学习和数据同化提出了自己感兴趣的问题，金教授给出了详细的解答，并指出：统计学上数据同化是将不同来源、不同性质的观测数据与数值模型进行有效融合的过程，从而提高数值模型对真实世界的描述和预报精度的技术。数据同化技术可以在实时或后处理中应用于气象、海洋、地球物理等领域的预报和分析中，以提高数值模型的准确性和可靠性。通过数据同化，可以利用观测数据及其误差信息对数值模型进行校正，从而提高模型的预报能力。
通过本次讲座，广大师生进一步深刻了解了统计学在实际中的应用以及深度学习和数据同化相关的前沿热点问题，受益匪浅。