海洋内孤立波（简称内波）在海洋内部生成、传播和耗散，在全球海洋中分布广泛。目前，已观测到的内波振幅最大可达240米，对海上作业平台、海洋生态、声呐探测等具有重要影响。内波的生成和传播随机性较强，其预报研究一直是难点问题。
近日，中国科学院海洋研究所海洋环流与波动重点实验室、海洋大科学中心李晓峰团队，在利用海洋遥感大数据和机器学习开展内波预报方面取得重要进展。基于多年、多源内波遥感观测数据，利用机器学习算法挖掘内波遥感大数据信息，实现了基于数据驱动的苏禄-苏拉威西海内波的传播预报，预报模型结果与遥感观测结果吻合较好。
该研究构建的内波预报模型与传统理论模型和经验模型相比，不需要内波生成源、振幅等先验知识，且精度更高。该研究基于机器学习开发的内波预报模型鲁棒性较强，模型中引入的误差不会导致预报结果产生较大偏移。
IEEE Transactions on Geoscience and Remote Sensing以封面形式发表报道了这一研究成果。研究工作得到中科院战略性先导科技专项、国家自然科学基金等的资助。
内波预报模型结果（黑线）与遥感观测结果对比（红线）
机器学习内波预报模型与传统方法对比
输入误差对模型结果的影响
论文封面
研究团队单位：海洋研究所