目前厄爾尼諾事件被認為無法準確預(yù)測，但據(jù)英國《自然》雜志18日發(fā)表的一項人工智能（AI）與氣候?qū)W研究，韓國科學家報告了一種可以提前一年半預(yù)測厄爾尼諾事件的深度學習方法，克服了該領(lǐng)域長期存在的一項挑戰(zhàn)。

　　厄爾尼諾—南方濤動是地球上影響力最大的氣候變化，并隨著全球變暖而出現(xiàn)得越來越頻繁。厄爾尼諾事件發(fā)生于太平洋東部和中部，已知其會引起極端氣候，對當?shù)厣鷳B(tài)系統(tǒng)造成嚴重損害。但現(xiàn)階段，科學家對其部分相關(guān)模型無法達成統(tǒng)一，這意味著全球變暖對于厄爾尼諾事件的影響依然不甚明確，對這些事件進行準確判斷一直以來困難重重。以往傳統(tǒng)的氣候預(yù)測方法，無法提供超過一年的準確預(yù)測。

　　此次，韓國全南國立大學研究團隊訓練了一種能夠預(yù)測厄爾尼諾事件的深度學習方法。該模型利用1871年至1973年的歷史氣候數(shù)據(jù)，以及厄爾尼諾事件的模擬數(shù)據(jù)進行訓練，并通過1984年至2017年的數(shù)據(jù)進行測試。

　　與現(xiàn)行的氣候預(yù)測方法相比，該深度學習算法的預(yù)測準確性更高，預(yù)測時間最多可提前一年半。研究團隊還能借此預(yù)測某一厄爾尼諾事件是發(fā)生于太平洋中部還是東部，并在其發(fā)生之前鑒定海面溫度變化。

　　厄爾尼諾事件的發(fā)生對全球各地區(qū)的氣候災(zāi)害均有預(yù)兆意義，因此對它的監(jiān)測已成為氣候預(yù)測中最重要內(nèi)容之一。研究人員表示，此次新方法提供的預(yù)測結(jié)果，將幫助政府和相關(guān)機構(gòu)制定政策，應(yīng)對厄爾尼諾的影響。