近日,我校长江保护与绿色发展研究院张江江和南统超教授所在团队借助深度学习技术,开发了一系列功能强大的数据同化方法,为复杂的非线性、非高斯数据同化问题提供了全新的解决方案。这些研究成果在水资源领域国际知名期刊《Water Resources Research》连续发表3篇研究论文。数据同化是一种将自然系统的观测数据与数值模型结合,以获得对自然系统更准确预测的方法。经典的数据同化算法,如集合卡尔曼滤波,基于线性的卡尔曼更新公式,适用于符合线性高斯假设的数据同化问题。然而,大多数地球系统过程是非线性和非高斯的,这使得传统数据同化算法在解决这些复杂问题时表现欠佳。针对这一不足,张江江等提出使用深度学习更新替代传统的卡尔曼更新公式,开发出一种名为“深度学习驱动的集合平滑器方法”(ESDL)。目前,ESDL方法已得到多个学者的应用,相关论文发表于《Journal of Hazardous Materials》《Geoenergy Science and Engineering》《Agricultural Water Management》等相关领域主流期刊。进一步的研究发现,通过为深度学习模型提供