離岸流（Rip Current）是全球海灘溺水事故的首要元兇，因其突發(fā)性強、隱蔽性高，傳統(tǒng)“先檢測、后預(yù)警”的被動監(jiān)測模式往往難以留出黃金救援窗口。針對這一問題，我中心人工智能團隊深入研究海洋復(fù)雜動態(tài)環(huán)境下的感知與時空預(yù)測技術(shù)，提出了一種基于未來幀感知的離岸流主動預(yù)測框架 RipAlert，實現(xiàn)了從“被動識別”到“主動預(yù)警”的跨越 。近日，該研究成果被國際人工智能頂會 AAAI 2026（CCF A類會議）錄用為Disasters專題的Oral報告。
針對海浪動態(tài)變化快、早期特征微弱的挑戰(zhàn)，團隊設(shè)計了區(qū)域敏感光流預(yù)測技術(shù)（Region-Sensitive Optical Flow Prediction），結(jié)合物理先驗將海面劃分為靜止、湍流及逆流區(qū)域，成功實現(xiàn)對未來3-5秒海岸動力學(xué)演變的精準(zhǔn)推演 。同時，團隊首創(chuàng)內(nèi)容感知熵注意力模塊（CEA），通過計算局部信息熵動態(tài)聚焦高頻湍流區(qū)域，顯著提升了模型在復(fù)雜海況下捕捉微弱逆流征兆的靈敏度。RipAlert 在 RipVIS 基準(zhǔn)測試中取得了優(yōu)于現(xiàn)有主流模型的SOTA性能表現(xiàn)。
RipAlert 框架結(jié)構(gòu)示意圖
該系統(tǒng)聯(lián)合中國科學(xué)院海洋研究所和嶗山實驗室，已完成初步輕量化移動端適配和應(yīng)用。該研究工作得到國家重點研發(fā)計劃（2025YFE0102600）的資助支持。論文第一作者為工程師萬萌，通信作者為正高級工程師王玨。
相關(guān)成果：
[1] Meng Wan, Qi Su, Zhixin Xia, Kanglin Chen, Jue Wang, Tiantian Liu, Rongqiang Cao, Hui Cui, Peng Shi, Yangang Wang, Liqiang Feng, Zhenbing Zhao. RipAlert: A Future-Frame-Aware Framework for Rip Current Forecasting and Early Alerting. In Proceedings of the 40th AAAI Conference on Artificial Intelligence (AAAI '26).
責(zé)任編輯：郎楊琴