随着大数据科学的迅猛发展，人工智能方法在地球科学研究及应用中方兴未艾。特别是近年来，利用机器学习对海浪、海温、海冰、台风、风暴潮等海洋要素的预报显示出了速度快、准确度高、占用资源小、操作简单等特性，它们正逐渐成为海洋环境预报中传统数值预报的重要辅助工具。国内外主流海洋气象预报机构都在加快人工智能预报系统的研发和应用。

我实验室地球系统模式创新团队首次利用深度学习双通道回路人工网络算法对南海海表盐度（SSS）变化进行了机器学习及预报。该研究不仅利用了传统的卷积人工网络（CNN）对长时间序列信号进行分析处理，还利用回路人工网络（RNN）对短期时间序列的关键信息进行了跟踪处理，并通过大数据机器学习对南海表层盐度变化进行了预报。研究结果表明，该算法对南海1天、5天及14天海表盐度的预报准确度分别能达到99.29%、98.44%、及96.85%以上。该研究的数据处理方法及预报范式具有一定的创新性和应用价值，为实现海洋环境人工智能预报提供了参考和借鉴。

研究成果于2020年2月在American Meteorological Society旗下期刊Journal of Atmospheric and Oceanic Technology发表，题目为“A Novel Dual Path Gated Recurrent Unit Model for Sea Surface Salinity Prediction”。团队成员中国石油大学（华东）的宋弢副教授与南方海洋实验室徐丹亚首席工程师分别为文章的第一作者和通讯作者。

该研究得到了科技部国家重点研发计划（2018YFC1406201-4）、南方海洋实验室创新团队等的支持。