本书以系统学观点与神经网络在大气海洋领域融合应用为出发点，采用理论框架与大量实例相结合的方式，主要阐述了机器学习在大气和海洋信息反演中的应用，讨论了利用神经网络技术在大气、海洋、海浪等模式中构建准确、快速的物理参数化模型的基本原理，以及将神经网络方法与确定性物理模型相结合进行耦合开发的关键技术方法，可作为高等院校气象海洋专业及相关专业人员学习神经网络在地球系统中最新应用的教科书，也可为广大从事气象海洋预报及相关领域的科研和业务人员了解和掌握未来机器学习与数值模式的结合和应用提供参考。

丛书序
前言
第1章 引论
摘要
1.1 系统、子系统、组织化和结构
1.2 地球系统的研究方法
1.3 神经网络在地球系统科学中的应用
参考文献
第2章 映射和神经网络
摘要
2.1 映射
2.2 映射的基本属性
2.3 神经网络多层感知器：非线性映射模拟的通用工具
2.4 神经网络技术的优势和局限性
2.5 神经网络模拟
2.6 小结
参考文献
第3章 大气海洋遥感应用
摘要
3.1 基于卫星观测提取地球物理参量：常规反演和变分反演
3.2 模拟正向模型的神经网络
3.3 求解反问题的神经网络：神经网络仿真反演算法
3.4 神经网络正则化和反演质量控制
3.5 基于SSM/I数据的神经网络模拟
3.6 神经网络超越反演方法
3.7 小结
参考文献
第4章 神经网络在开发天气气候混合地球系统数值模式中的应用
摘要
4.1 数值建模的研究背景
4.2 耦合模块和耦合模式
4.3 大气神经网络模型应用
4.4 混合模型方法在海洋模式中的应用：风浪模式中非线性相互作用的神经网络模拟
4.5 讨论
参考文献
第5章 神经网络集合及其应用
摘要
5.1 在DAS中使用描述模式变量依赖关系的神经网络模型
5.2 神经网络非线性多模式集合
5.3 物理过程扰动和扰动物理过程集合
参考文献
第6章 总结
摘要
6.1 神经网络技术小结
6.2 其他统计学习技术小结
参考文献
彩图