来自春南国立大学，南京信息科学技术大学和中国科学院的三位研究人员发现，深度学习卷积神经网络能够在18个月之前准确预测厄尔尼诺事件。在《自然》杂志上发表的论文中，Yoo-Geun Ham，Jeong-Hwan Kim和Luo-Jia Luo描述了他们的深度学习应用，如何训练以及如何很好地预测厄尔尼诺事件。

厄尔尼诺-南方涛动事件是太平洋热带地区水温升至高于正常温度的时期。当暖水向东移动时，会导致更多的降雨和其他天气事件，例如美洲的飓风，而澳大利亚和印度尼西亚的降雨则减少。当前的模型可以使用来自全球的水温计的数据(最多提前一年)来准确预测此类事件。但是，科学家希望能够更快地预测到此类事件，因为它们可能会对天气状况产生很大影响变化。例如，了解印度尼西亚何时将发生干旱，可以帮助官员们准备食物储备，以养活一段时间内突然无法种植食物的人们。在这项新工作中，研究人员采用了一种不同的方法，而不是使用传统的天气预报模型，而是使用深度学习神经网络来预测厄尔尼诺事件。

研究人员报告说，他们使用1871至1973年间从气象站收集的数据来训练系统。这些数据来源包括各种天气和环境测量，例如海水温度和平均海洋热量。研究人员还对1961年至2005年之间发生的300场厄尔尼诺事件进行了培训。一旦系统被教导要识别导致厄尔尼诺事件的条件，他们便使用1984年至2017年的数据对其进行了测试。他们的系统比当前的天气模型更准确，可以正确识别出34个事件中的24个，而传统建模只能识别出20个相同的事件。该系统还可以提前18个月这样做。