博文

JMSE 中国海洋大学王智峰教授主持特刊：海洋环境数值模拟与人工智能

已有 381 次阅读 2026-9-12 16:20 |个人分类:特刊征稿|系统分类:博客资讯

海洋环境支撑着海洋和沿海地区人类活动的可持续性、安全性和效率。了解其复杂的相互作用不仅对于防止可能导致灾难性经济损失和环境灾害的结构性故障至关重要，而且对于推进符合全球气候和能源目标的可持续海洋发展也至关重要。因此，准确的数值模拟成为预测海洋状态、评估风险和设计弹性海洋基础设施不可或缺的工具。然而，传统数值模型面临着长期的挑战：稀疏的原位观测限制了模型的初始化和验证，亚网格尺度过程依赖于具有显著不确定性的半经验参数化，以及高保真模拟需要大量的计算资源。

人工智能，尤其是深度学习，正在为海洋数值模拟及其观测系统提供新的路径，有效地解决了传统方法的痛点，如高观测成本、数据稀疏性和不准确的物理参量化。在观测方面，人工智能可以重建缺失的数据并过滤噪声，为模型强制和同化提供更丰富的输入。在模拟方面，基于深度学习的代理模型将传统计算压缩到数小时到数毫秒，实现了实时预测和快速的不确定性量化，同时也学会了直接从高分辨率数据中改进子网格参量化方案。数据同化——模型与观测的融合——被基于人工智能的仿真器和学习误差协方差大大加速。此外，物理引导的人工智能和混合建模确保预测结果遵循物理守恒定律，同时保持数据驱动方法的灵活性，提供了一种新的范式，将第一性原理的稳健性与神经网络的模式识别能力相结合。

Journal of Marine Science and Engineering (JMSE) 期刊特别邀请中国海洋大学王智峰教授，创建特刊“Marine Environment Numerical Simulation and Artificial Intelligence (海洋环境数值模拟与人工智能)”。本特刊旨在介绍和传播海洋环境相关的最新进展，重点关注海洋环境观测、海洋环境数值模拟、极端海洋事件下的结构韧性和人工智能预测。我们考虑在理论和实验方面的贡献，以及在海洋环境观测和数据重建方面的数值研究；海洋环境和流体 - 结构 - 海床相互作用的数值模拟；极端海洋事件下的结构韧度，包括失效机制、风险评估和韧性设计；人工智能预测方法，如基于物理信息的机器学习、基于深度学习的代理模型、人工智能增强的数据同化等，可以促进对海洋环境的理解和预测。欢迎从事相关研究的学者踊跃投稿。

特刊关键词：

· 海洋环境观测

· 人工智能

· 数值模拟

· 物理模型试验

· 流体 - 结构相互作用

· 海洋环境

· 海洋环境设计参数

投稿截止日期

2026年11月1日

客座编辑

王智峰教授

中国海洋大学教授，博士生导师，获多项省部级科学技术奖。主要研究方向包括海洋调查与观测、海洋环境数值模拟、人工智能海洋模型、海洋灾害预警预报与海洋防灾减灾、海洋环境与结构的相互作用。主持国家自然科学基金面上项目、国家重点研发计划子课题、中央引导地方科技发展资金项目等国家级/省部级项目及横向课题二十余项。主持发明专利10项。发表学术论文100余篇，以第一/通讯作者身份发表SCI期刊论文48篇。兼任山东海洋湖沼学会理事、中国核勘协水文气象专业委员会委员。

研究兴趣：海洋动力学；数值模拟；人工智能。

了解特刊详情：https://www.mdpi.com/si/280557