A neural-dynamical hybrid coupled model for forecasting the tropical Pacific sea surface temperatures

A new neural-dynamical hybrid coupled model has been developed for giving seasonal predictions of the tropical Pacific sea surface temperatures. A 6-layer dynamical ocean model of the tropical Pacific is driven by the Florida State University wind stress; then during the forecasting period (Tang and Hsieh, 2001a), the ocean model is coupled to a nonlinear neural network atmospheric model, which estimates the surface wind stress anomalies from the upper ocean heat content anomalies (Tang et al, 2001). This is the first time a hybrid coupled model has been developed with a nonlinear atmosphere, and it gives our group a second, independent model for ENSO prediction.Original Abstract: Un nouveau modele couple hybride neuronal/dynamique a ete developpe pour produire des previsions saisonnieres des temperatures de la surface de la mer du Pacifique tropical. Un modele oceanique dynamique a 6 niveaux est execute avec les anomalies de contrainte du vent, fournies par l'Universite d'etat de la Floride; puis pendant la periode de prevision (Tang et Hsieh, 2001a), le modele oceanique est couple a un modele atmospherique neuronal non lineaire qui evalue les anomalies de contrainte du vent de surface a partir des anomalies de teneur en chaleur pres de la surface de la mer (Tang et al, 2001). C'est la premiere fois qu'un modele couple hybride a ete developpe avec un modele atmospherique non lineaire, et pour notre groupe, c'est un deuxieme modele pour la prevision de l'ENSO, et egalement un modele autonome.