学术报告

学术报告

讲座:数据驱动和基于物理知识的机器学习方法的结合与应用

时间:2022-07-21浏览:136来源:数理与统计学院作者:李倩摄影:

讲座题目:数据驱动和基于物理知识的机器学习方法的结合与应用

主讲人:林海翔教授

主讲人简介:Haixiang Lin(林海翔),荷兰代尔夫特理工大学(Delft University of Technology)应用数学研究所和莱顿大学(Leiden University)环境科学系教授,中国科学院大学和山东大学兼职客座教授。1979年考入清华大学,同年赴荷兰代尔夫特理工大学留学,分别获得学士、硕士和博士学位。林教授在高性能计算、并行算法、大规模复杂系统建模与仿真领域有丰富的经验,是并行分布计算与数据建模仿真领域的知名学者。近期研究的问题主要包括应用数据同化和机器学习的方法结合观测数据来提高含确定性的数学物理模型的预测精度,针对的应用问题包括沙尘暴或火山灰造成的PM2.5PM10的浓度预测,可再生能源并网的优化,油藏构造的反演和通过机器学习做语音情感分析等。他承担了欧洲、荷兰10多项科研项目,发表研究论文130多篇。担任多个国际学术期刊编委、学术会议程序委员会主席/副主席,曾担任全欧华人专业协会联合会主席、荷兰华人学者工程师协会主席,荷兰皇家骑士勋章获得者。

讲座时间:2022年72219:00-20:00

讲座地点:腾讯会议(会议号:381189972

主办单位:数理与统计学院

协办单位:统计与数据计算系

讲座内容简介:

1、传统的数据驱动机器学习方法(如神经网络)通过训练在大量的数据中找出输入与输出变量的关系。它的强项在于可以对抽象的关系进行拟合,并不需要先对问题有足够的理解并然后根据物理和自然规律进行建模。对大气模型中欠缺的物理化学子过程训练得到代理模型;

2、根据贝叶斯原理,数据同化利用观测数据能够有效地修正数理方程中的欠精确的参数和变量,它的优点在于能利用人类已掌握的自然知识并且往往只需少量的数据就能达到效果;

3、基于物理知识的机器学习是当前热门的研究方向之一,将讨论如何将基于物理模型的同化方法和数据驱动的机器学习结合应用到提高大气污染预测准确性,包括加入守恒定律作为约束和对大气模型中欠缺的物理化学子过程通过训练得到代理模型。


数理与统计学院邀请荷兰代尔夫特理工大学林海翔教授在线作学术报告

为进一步推进学院新濠天地官网工作,提高新濠天地官网、教学和科研水平,更好地服务学校国际化发展和人才强校需求,722日,数理与统计学院邀请荷兰代尔夫特理工大学林海翔教授通过腾讯会议在线为广大师生作了题为数据驱动和基于物理知识的机器学习方法的结合与应用的学术报告。报告会由数理与统计学院院长殷志祥教授主持。

林海翔教授从数据同化、数据同化的应用、机器学习以及基于数据驱动和物理知识相结合的机器学习方法及其应用等四个方面详细介绍了数据同化和机器学习在空气污染预测等中的国内外研究进展,并介绍了与数理与统计学院王国强教授课题组在基于机器学习的数值化学输运模型偏差校正上的研究进展。

互动环节,林教授详细解答了与会师生的提问,提出:基于物理知识的机器学习是当前热门的研究方向之一,讨论如何将基于物理模型的同化方法和数据驱动的机器学习结合应用到提高大气污染预测准确性,包括加入守恒定律作为约束和对大气模型中欠缺的物理化学子过程通过训练得到代理模型。通过本次讲座,广大师生对数据同化和机器学习等领域的热点和前沿问题研究有了更深刻的认识。

周热点新闻
月热点新闻
返回原图
/