离岸流（Rip Current）是全球海滩溺水事故的首要元凶，因其突发性强、隐蔽性高，传统“先检测、后预警”的被动监测模式往往难以留出黄金救援窗口。针对这一问题，我中心人工智能团队深入研究海洋复杂动态环境下的感知与时空预测技术，提出了一种基于未来帧感知的离岸流主动预测框架 RipAlert，实现了从“被动识别”到“主动预警”的跨越 。近日，该研究成果被国际人工智能顶会 AAAI 2026（CCF A类会议）录用为Disasters专题的Oral报告。

针对海浪动态变化快、早期特征微弱的挑战，团队设计了区域敏感光流预测技术（Region-Sensitive Optical Flow Prediction），结合物理先验将海面划分为静止、湍流及逆流区域，成功实现对未来3-5秒海岸动力学演变的精准推演 。同时，团队首创内容感知熵注意力模块（CEA），通过计算局部信息熵动态聚焦高频湍流区域，显著提升了模型在复杂海况下捕捉微弱逆流征兆的灵敏度。RipAlert 在 RipVIS 基准测试中取得了优于现有主流模型的SOTA性能表现。

RipAlert 框架结构示意图

该系统联合中国科学院海洋研究所和崂山实验室，已完成初步轻量化移动端适配和应用。该研究工作得到国家重点研发计划（2025YFE0102600）的资助支持。论文第一作者为工程师万萌，通信作者为正高级工程师王珏。

相关成果：

[1] Meng Wan, Qi Su, Zhixin Xia, Kanglin Chen, Jue Wang, Tiantian Liu, Rongqiang Cao, Hui Cui, Peng Shi, Yangang Wang, Liqiang Feng, Zhenbing Zhao. RipAlert: A Future-Frame-Aware Framework for Rip Current Forecasting and Early Alerting. In Proceedings of the 40th AAAI Conference on Artificial Intelligence (AAAI '26).

责任编辑：郎杨琴