近日，课题组硕士生陶盛恩在ENSO预测方面的研究工作" Multi-Scale Spatial Features and Temporal Attention Mechanisms: Advancing the Accuracy of ENSO Prediction"被国际期刊 Intelligent Marine Technology and Systems 接收。

海洋观测技术的指数级发展促进了大量时间序列数据的积累，这些数据对海洋气象预测至关重要。观测到的现象中，厄尔尼诺 - 南方涛动（ENSO）尤为重要，它是全球海洋大气相互作用中的关键决定因素，其严重表现会导致极端气象条件，因此精确预测ENSO具有重要的意义。

当前的预测模型主要依赖于动态模型和统计方法；然而，ENSO事件的复杂多方面的时空动态经常妨碍了这些传统方法的准确性。当前研究工作中缺少对于海洋数据中长期依赖性的探索，同时，当前研究工作缺少对时空数据中导出空间信息的不充分整合。

为了解决上述问题，这篇论文引入了一个全新的的ENSO预测框架，将多尺度空间特征与时间注意力机制相结合，增强了对长时间段数据的保留，同时优化了空间信息的利用。通过对全球海洋数据同化系统数据集进行的初步分析，证明了所提出方法的有效性，特别是在长期预测方面性能优异。本工作的源代码和数据集可以在 https://github.com/tse1998/ENSO-prediction 获取

Intelligent Marine Technology and Systems（中文名称《智能海洋技术与系统》）是由中国海洋大学与崂山实验室联合主办的英文学术期刊，全角度涵盖“人工智能-海洋科学与技术”研究领域，包含海洋人工智能和海洋大数据、海洋环境感知、海洋装备及工程等三大学科领域，致力于创办人工智能与海洋技术交叉研究领域国际一流学术期刊。