FPOCH数字孪生系统，通过多模型融合策略实现近岸海洋环流快速预测。台风“贝碧嘉”验证显示，系统误差仅为全球模型三分之一，运算速度快20倍。研究提出差异化算法选型原则，为观测稀缺的近岸区域提供了低成本预报新方案。近日，河海大学港口海岸与近海工程学院冯曦教授课题组联合国家超算中心（天津），在海洋工程领域TOP期刊《Applied Ocean Research》发表了最新研究成果《Fast prediction of oceanic nearshore circulation (FPOCH) system with multi-model fusion strategies》。研究团队提出了一种名为“近岸海洋环流快速预测”（FPOCH）的数字孪生系统，通过整合物理驱动与数据驱动方法，实现了从大陆架到海岸带跨区域、多尺度的快速精准预报。
精度与效率的经典矛盾，有了新解法
近岸海域水动力预报长期面临一个结构性困境：传统数值模型精度越高、计算成本越昂贵，而纯数据驱动模型虽然计算效率高，却难以保证物理一致性，在极端事件面前往往力不从心。与此同时，全球业务化模型在近岸区域预报精度大幅衰减，已有学术研究证实，全球潮汐、海洋业务模型受分辨率限制，近岸浅水区模拟误差会明显增大。
FPOCH系统试图在这组矛盾之间找到第三条路。该系统采用“多级嵌套数值模型打底、机器学习加速”的混合建模范式，包含四个核心组件：覆盖中国近海的风暴潮数值模拟系统FPOCH–NS1、高精度区域海洋三维环流数值模拟平台FPOCH–NS2、支持单点与区域预报的数据驱动平台FPOCH–ML，以及前端可视化平台。FPOCH–NS1与FPOCH–NS2均基于非结构化网格的有限体积法求解三维原始海洋控制方程，通过模型嵌套实现跨尺度模拟——NS1的水动力输出为NS2提供开边界强迫，NS2解析更精细的海岸与地形特征，随后观测数据与NS2输出共同构成FPOCH–ML的输入。
在技术架构上，FPOCH采用前后端解耦设计，前端基于Vue.js与Leaflet、ECharts实现交互式可视化，后端基于Python与FastAPI构建，MySQL存储数据，支持Nginx与Docker容器化部署。
台风“贝碧嘉”验证：误差仅为全球模型的三分之一
研究团队对FPOCH系统进行了多维度验证。
据研究数据显示，在非台风期，FPOCH–NS1的潮位模拟均方根误差（RMSE）低于0.2米，偏差（BIAS）小于0.05米，Nash-Sutcliffe效率系数（NSE）超过0.9；表层潮流误差RMSE约0.09至0.12米/秒。
但真正的考验来自极端事件，以 2024 年登陆我国的台风 “贝碧嘉” 为例，FPOCH–NS1 成功捕捉强向岸流与海湾流射流特征；从论文时序模拟图可见，FPOCH–NS1 风暴潮瞬时峰值与观测差值控制在 0.1 米以内，同期 CMEMS 全球模型在上海宝镇站峰值低估幅度约 2.0 米。从完整台风全过程综合精度（RMSE 均方根误差）对比，FPOCH–NS1 整体误差约为 CMEMS 的三分之一，这一优势主要归因于为中国近海量身定制的混合台风风场模拟方法以及更高的近岸地形分辨率。
在近岸子区域南黄海，FPOCH–NS2的模拟精度得到了进一步提升：潮位R²达0.98，RMSE为0.1米；深度平均潮流分量R²在0.88至0.93之间。
机器学习模块：不同任务选不同的“解题人”
FPOCH–ML是系统的数据驱动核心，利用FPOCH–NS2输出与长期潮汐观测数据来预测近岸流场。研究团队在单点预报与区域预报两类场景中，系统比较了三种网络架构：长短期记忆网络（LSTM）、基于经验模态分解的混合模型（EMD-ML）和卷积长短期记忆网络（ConvLSTM）。
研究发现，不同求解器各有专长。在潮位预报中，EMD-ML表现最优——单点预报RMSE为0.08米，NSE与R²均达0.98；区域预报中进一步降至0.03米。EMD预处理有效提取了潮汐信号的周期性特征，使其在捕捉非稳态水位变化方面优于各类单一模型。
在潮流预报中，LSTM更擅长捕捉地形驱动的非线性波动。单点流速预报RMSE为0.02米/秒，流向RMSE为13.07°，相比FPOCH–NS2，流速偏差降低0.07米/秒、流向RMSE降低2°。
而在区域流场预报中，ConvLSTM凭借其卷积结构对时空相关性的捕捉能力，实现了最高精度：流速RMSE为0.03米/秒（较EMD-ML提升约40%），流向RMSE为5.46°（较EMD-ML提升38%、较LSTM提升14%）。
计算效率方面，FPOCH–ML的运行速度约为传统数值模拟的20倍，在同等硬件条件下，ConvLSTM完成365天三维模拟仅需约1100秒。
局限与展望：从南黄海走向更广阔的海岸
研究团队也坦诚指出了系统的当前局限。在FPOCH–ML计算区域内，目前仅有一个潮位观测站可用，限制了测试平台的空间范围。此外，验证区域目前集中于江苏近岸至长江口一带，尚未覆盖浙江、福建、广东、海南等风暴潮和台风浪灾害高脆弱带。系统目前仅针对台风“贝碧嘉”单一案例进行了验证。
尽管如此，FPOCH系统为极端事件模拟与高分辨率海岸预报提供了经济高效的解决方案。研究确立的“多级嵌套数值模型打底、机器学习加速”的混合建模范式，为观测稀缺的近岸区域提供了低成本预报方案。研究团队提出的差异化选型原则——潮位预报用EMD-ML、单点潮流用LSTM、全域流场用ConvLSTM——也为后续工程应用提供了清晰的决策依据。
随着更多台风案例的纳入和观测网络的扩展，这一数字孪生框架有望在我国更广阔的海岸带落地应用。
