报告题目：增长型初始扰动分布最优估计及其在台风路径集合预报中的应用

报 告 人：秦博 博士 复旦大学

报告时间：2025年8月4日（星期一）10:40—11:00

报告地点：数学科学学院114（小报告厅）

校内联系人：宋晓良 副教授           联系方式：84708351-8304

报告摘要：使用人工智能（AI）模型开展集合预报已成为量化预报不确定性的关键手段。然而，现有高效的数据驱动集合预报模型多依赖概率神经网络架构，虽能直接学习未来状态的概率分布，却对初始条件不确定性的影响关注不足——这在很大程度上源于AI模型对小幅随机扰动的敏感度有限。近期研究表明，具有特定空间模态的初始扰动在AI模型与动力模式中的演变过程高度一致。受此启发，我们首次将基于变分推断的条件非线性最优扰动（Variational Inference–Conditional Nonlinear Optimal Perturbation，VI-CNOP）方法引入伏羲（FuXi）模型中，用于台风路径的集合预报。VI-CNOP可最优估计增长型分析误差分布，并由此高效采样出具有代表性的初始扰动集合成员。实验结果表明：在AI模型中构造符合物理规律的初始扰动，不仅可显著提升预报技巧并获得合理的集合离散度，而且所叠加扰动的演变过程具有高度可解释性。

报告人简介：秦博，工学博士，2023年毕业于同济大学软件学院，目前在复旦大学大气与海洋科学系从事博士后研究。主持博士后创新人才支持计划、国家自然科学基金青年项目。近五年在JAMES、QJRMS、AAS等国际高水平期刊上以一作/通讯身份发表论文8篇。已研发出多个物理-数据融合驱动的天气气候智能预测模型，其中ENSO智能集合预报结果已服务于我国相关机构的ENSO会商，并收录于国际ENSO实时预报平台IRI，是国内首个登录该平台的AI预报系统。研究兴趣包括天气气候现象的AI建模、AI模型的可解释性和可预报性研究、数值模式的AI参数化方案构建等。