在氣象預報領域，以WaveWatch III為代表的傳統波浪預報模型是重要工具，它基于物理能量守恒方程構建，但計算成本高昂，進行波浪預報時需處理大量數據和復雜物理過程，實際應用受限。

與此同時，現有AI氣象模型憑借強大計算和數據處理能力，在氣象預報上速度快，能短時間處理海量氣象數據并快速生成預報結果，但在長期預報中存在能量衰減問題，影響預報準確性。

面對上述痛點，中國海洋大學攜手中科曙光，基于“DeepAI深算智能引擎+國產GPU加速卡”聯合研發深度學習海洋波浪預報模型——OceanCastNet（以下簡稱：OCN），相關成果已在全球知名在線研究存儲庫arXiv公開，并于近日被journal of advances in modeling earth systems期刊接收。

OCN模型在保持高效計算的同時，顯著提升了長期預報的穩定性與能量守恒特性，標志著AI在海洋氣象預報領域邁出關鍵一步：

? OCN采用多時序風場與波浪場作為輸入，結合自適應傅里葉神經算子和掩碼損失函數，實現了能量動態平衡，有效抑制長期模擬中的能量耗散。

? 實驗顯示，OCN在ERA5數據集上表現優異。其短期預報精度超越WaveWatch III，平均絕對誤差僅0.14米，異常相關系數達0.99。即便在極端天氣下，誤差控制與能量保持能力也優于傳統模型。

? OCN展現出對波浪生成機制的物理理解。即使從零波高開始，僅憑風場輸入即可生成與實際高度吻合的波場，ACC最終穩定在0.85以上，具備自校正能力。

團隊還構建了簡化版氣象模型OCN-wind，引入太陽輻射作為能量輸入。對比實驗表明，該模型在長期預報中未出現如FourCastNet等模型中的能量崩潰現象，再次驗證能量平衡對提升AI預報性能的關鍵作用。

OceanCastNet的成功研發，不僅是雙方在AI計算融合創新上的重要成果，也為中國海洋大學在海洋科學與人工智能交叉研究方面樹立了標桿。該模型未來有望應用于遠洋導航、海上作業安全、防災減災等多個領域，推動海洋氣象預報從“經驗驅動”邁向“智能驅動”。