风暴潮是全球沿海地区破坏力最强的海洋灾害之一，全球海平面加速上升、台风活动频次与强度持续增强，我国沿海地区正面临风暴潮、洪涝、海水倒灌等多重风险的叠加考验。

风暴潮的演变，受台风路径、大气强迫、海底地形、潮汐作用等多要素非线性耦合驱动，呈现强非线性、多尺度时空关联的复杂特征。正因如此，长期精准预报一直是海洋防灾减灾领域公认的技术瓶颈。

日前，中国科学院烟台海岸带研究所近岸河口物理海洋研究组（毛淼华研究团队）联合美国马里兰大学，在这一领域取得了关键性突破。团队研发出融合混合深度学习架构与多维度可解释性分析的风暴潮预报新体系，成功实现渤海海域风暴潮中长期高精度预报，并精准厘清了风暴潮演变的核心物理驱动机制。

从“黑箱”到“白盒”：让AI预报说明白“为什么”

研究团队聚焦渤海典型海域，选取塘沽、黄骅、潍坊三大核心验潮站作为关键研究点位，基于2000至2022年影响渤海的15场台风实测数据，结合ADCIRC数值模拟技术，构建了高精度、高可靠性的模型训练数据集。

针对不同预报时效的技术难点，团队搭建了差异化的智能预报模型体系。

面向24小时多步连续预报，团队构建了CNN-BiLSTM-Attention混合深度学习模型。卷积神经网络负责提取海洋环境局部特征，双向长短期记忆网络捕捉时序演变规律，注意力机制则自适应赋能关键预报信息——三者协同，共同搭建起端到端的24小时连续精准预报框架。

针对24至72小时中长期单步预报，团队另辟蹊径，采用独立BiLSTM模型。这一设计有效规避了复杂模型架构带来的误差累积问题，大幅提升了中长期预报的稳定性与可靠性。

深度学习模型的“黑箱”难题，是制约其业务化应用的核心障碍之一，模型能预报，但却说不清“为什么”。为破解这一困局，团队融合SHAP、PIM、SFS三种主流可解释性分析工具，从多维度、多层次量化各类气象与海洋因子对风暴潮预报结果的影响权重，智能预报结果由此实现了物理机制可解释、预报过程可追溯。

三场台风实战检验：精度与稳定性双双达标

在研究中，团队选取“梅花”“烟花”“利奇马”三场典型独立台风事件，对模型性能展开了验证测试。

结果表明，搭载注意力机制的CNN-BiLSTM-Attention模型在24小时多步预报中，误差远优于传统对照模型。独立BiLSTM模型在24至72小时中长期预报中展现出高精度与强稳定性的双重优势——48小时内风暴潮峰值量级与峰现时刻的预报偏差，均控制在业务化应用允许范围内。这一精度水平完全契合渤海沿海防灾减灾应急预警的时间窗口，具备极强的业务落地价值。

物理驱动规律浮出水面：台风纬度是第一关键

多维度可解释性分析进一步揭示了渤海风暴潮演变的核心物理驱动规律，三种分析方法的结果高度一致：台风纬度是全预报时效下最核心的预测因子，台风中心气压与最大风速分列第二、第三关键影响因子。这一发现充分印证了大气强迫在风暴潮生成演变中的主导作用。

研究同时发现，各因子的影响权重随预报时效呈现规律性变化。24至48小时中期预报中，台风纬度、中心气压、最大风速、移动速度多因子协同驱动风暴潮演变；而到了60至72小时长期预报，台风中心气压的影响权重显著提升，通过“逆气压效应”调控海域低频背景水位，成为长时效风暴潮预报最稳定、最关键的预测信号。

值得注意的是，在研究中，海河口塘沽站的大气强迫贡献相对弱化，这一现象表明，河口复合洪水区域的风暴潮预报需进一步纳入河流径流、潮汐相位等关键因子，为后续模型优化指明了方向。

该研究成果以“Explainable deep learning methods for medium- and long-term storm surge forecast”为题，发表于国际期刊Ocean Modelling。研究工作得到国家自然科学基金委员会、中国科学院项目、山东省重点研发计划等资助。论文第一作者为烟台海岸带所彭婕特别研究助理，通讯作者为毛淼华研究员。