机器学习掀起波澜：研究洋流的更好方法

(资料图片仅供参考)

一种新的机器学习模型可以更准确地预测洋流，这有助于追踪塑料污染和石油泄漏，并有助于搜救。

为了研究洋流，科学家们在海洋中释放带有GPS标记的浮标并记录它们的速度以重建输送它们的洋流。这些浮标数据还用于识别“分歧”，即水从水面以下上升或下沉的区域。

通过准确预测洋流和查明分歧，科学家们可以更准确地预测天气，估计石油泄漏后的扩散方式，或测量海洋中的能量转移。一项新的研究报告称，一种结合机器学习的新模型比传统模型做出更准确的预测。

包括麻省理工学院计算机科学家和海洋学家在内的多学科研究团队发现，通常用于浮标数据的标准统计模型可能难以准确重建水流或识别差异，因为它对水的行为做出了不切实际的假设。

研究人员开发了一种新模型，该模型结合了流体动力学知识，以更好地反映洋流中的物理现象。他们表明，他们的方法只需要少量的额外计算费用，在预测电流和识别分歧方面比传统模型更准确。

这个新模型可以帮助海洋学家根据浮标数据做出更准确的估计，从而使他们能够更有效地监测海洋中生物量(如马尾藻)、碳、塑料、石油和营养物质的运输。该信息对于理解和跟踪气候变化也很重要。