遗传算法作为一种常用的人工智能算法，具有全局搜索能力强、适应性强和能够处理复杂优化问题等优势，广泛应用于复杂数据的处理与预测中。然而，该算法在对数据的时间变化的模拟方面存在一定不足，主要体现在算法对资料时间依赖性的建模能力较弱，导致可能无法充分捕捉时间序列数据中的动态变化和趋势。针对这一不足，炸金花下载
风能评估与利用团队与哈电风能有限公司和中国气象局地球系统数值预报中心专家合作，提出了一种基于最小化年际变率技巧评分（MinimizedInterannualVariabilitySkillCore）的遗传算法改进方案（图1），并将基于改进后的遗传算法应用于CMIP6模式对我国近地面风功率密度的模拟能力评估和预估中。结果表明，相较于传统遗传算法，改进后的遗传算法显著降低了CMIP6多模式集合对我国近地面风速模拟的不确定性，尤其在对风功率密度年际变率的模拟能力方面改进最为明显。
图1 遗传算法改进流程图
同时，他们还基于改进遗传算法的优选模式对3种SSPs情景下我国近地面风功率密度的未来变化趋势进行了预估，并发现近期3种SSP排放情景下我国大部分地区风能密度将下降；SSP1-2.6情景下我国多数地区中期和长期风能密度也将下降；而SSP2-4.5和SSP5-8.5情景下我国东部地区风能密度预计将上升（图2）。
图2 三种SSPs情景下我国风功率密度的变化趋势
该成果以“Evaluation and projection of wind energy density in China based onmulti-model ensemble CMIP6 simulations”为题发表于国际气象期刊《Theoretical and Applied Climatology》。炸金花下载
2021级硕士研究生陶剑宁为第一作者，华维教授为通讯作者，合作者包括哈电风能公司马文通高级工程师和中国气象局地球系统数值预报中心陆其峰研究员。研究得到国家重点研发计划项目（2022YFC3004102）和国家自然科学基金项目（42275022）的共同资助。
论文链接：Jianning Tao,Wei Hua,Wentong Ma, et al. Evaluation and projection of wind energy density in China based onmulti-model ensemble CMIP6 simulations. Theoretical and Applied Climatology. 2025, //doi.org/10.1007/s00704-025-05519-7.
