报告摘要

传统数值天气预报模式因其可解释性、准确性和稳定性，在天气预报业务中占据主导地位。然而，近年来人工智能的快速发展为中短期（1-10天）天气预报提供了新的解决方案，华为盘古团队首次发展了基于AI的全球天气预报模型。AI模型在中短期台风路径预报中总体表现出色，但在极端台风路径预报方面的能力仍存在争议。尽管盘古团队表明盘古模型能够准确预报“康芮”和“玉兔”两个极端台风案例，但这些台风的极端性主要体现在强度而非路径上。目前，AI模型在预测不寻常的台风路径方面的能力尚未得到明确验证。通过重新评估近几年AI模型与传统数值模式的台风路径预报结果，我们发现，尽管AI模型总体上优于传统数值模式，但在预报异常转折台风路径（如2023年台风“卡努”）时，其误差显著高于传统数值模式。本报告将探讨AI模型与传统数值模式在预测异常转折台风路径的优劣势，并讨论可能原因和发展思路。

报告人简介

张邦林教授，国防科技大学科技领军人才，国家高端外国专家引进计划2021年及2022年入选者，国家重点研发项目首席科学家，广东省“珠江人才计划”引进创新创业团队带头人。张邦林教授长期从事资料同化和数值预报研发工作，在美国工作期间首次将卫星资料应用于飓风预报模式（HWRF）；通过增高模式层顶和增加模式层数提高了HWRF飓风预报的准确率；原创性地发展了基于分析增量更新的四维变分同化系统（IAU-4DVAR）等。于《Science》、《PNAS》、《npj Climate and Atmospheric Science》等期刊发表多篇研究论文，获颁2022年度广东省科学合作奖。

报告摘要

In this talk, I will explore the geometric foundations of chaos in dynamical systems, starting from the classical Smale horseshoe as a universal mechanism for chaotic dynamics. We will then delve into the homoclinic tangle — the intricate web formed by the intersections of stable and unstable manifolds — which serves as the skeleton of chaotic transport. These structures, while well understood in autonomous or periodic systems, must be generalized in time-dependent settings where traditional invariant manifolds no longer exist. This motivates the introduction of Lagrangian Coherent Structures (LCS), which act as time-evolving analogues of stable and unstable manifolds, organizing material transport in unsteady flows. I will introduce the mathematical underpinnings of LCS and demonstrate their extraction from finite-time flow data. Finally, I will present simple yet illustrative applications of LCS techniques in the context of atmospheric dynamics, focusing on their role in the qualitative understanding of transport in typhoons. These examples highlight how ideas rooted in abstract dynamics can yield insight into real-world geophysical phenomena.

报告人简介

李继周，本科毕业于北京大学物理学院，博士毕业于美国华盛顿州立大学，曾任日本学术振兴会外国人特别研究员（JSPS Fellow）、日本理化学研究所（RIKEN iTHEMS）博士后研究员，现任职于日本东京都立大学。研究方向为非线性动力学与混沌理论，及非线性理论在其他领域（台风控制、大气物理、病毒与宿主感染过程）中的应用。