تتحدث هذه المقالة عن استخدام تقنية التعلم الآلي في تحسين نماذج الغلاف الجوي لتمثيل العمليات على مقياس صغير.
إن تمثيل العمليات على مقياس صغير في نماذج الغلاف الجوي يتطلب وقتًا وجهدًا حاسوبيًا كبيرًا، لذلك لا يمكن لمعظم النماذج العالمية تمثيل هذه العمليات بشكل صريح. ومع ذلك، تستخدم الكثير من النماذج المعيارية تقديرات معرفية لتأثير هذه العمليات، والتي تسمى تقديرات المعلمات. ولكن، يستخدم الباحثون في الآونة الأخيرة تقنية التعلم الآلي لإنشاء تقديرات المعلمات هذه مباشرة من المحاكاة عالية الدقة، والتي تتطلب أقل قدر من الافتراضات.
في دراسة حديثة، استخدم الباحثون Yuval و O'Gorman [2023] تقنية التعلم الآلي لإنشاء تقديرات المعلمات لتأثيرات العمليات على مقياس صغير على النقل الرأسي للزخم في الغلاف الجوي. تم اتباع نهج حذر لإنشاء مجموعة بيانات التدريب، مع مراعاة القضايا الدقيقة في الشبكة الأفقية للنموذج عالي الدقة. وفي النهاية، أدت التقديرات الجديدة إلى تحسين عملية المحاكاة للرياح في نموذج ذو دقة خشنة، ولكن أدت أيضًا إلى تصحيح كبير وإحداث أخطاء في تكوين واحد. هذه الدراسة تشكل مثالًا كاملا وواضحًا للباحثين المهتمين بتطبيق تقنية التعلم الآلي لتقدير المعلمات.
