p; “通过在气象活动剧烈区域动态加密网格，在稳定区域粗化网格，能够节省大量的计算资源，但离散化过程引入的截断误差和舍入误差依旧存在，即使NSE有全局光滑解，离散化后的数值模型仍可能因误差积累导致结果偏离真实解。”

    埃琳娜很是头痛。

    “给我看看数据。”

    陈辉来到埃琳娜身后，看向她身前四块高清屏幕。

    “可以尝试一下紧致差分法、谱方法，减少数值耗散对小尺度结构的破坏，比如谱方法通过把变量展开为正交多项式，在全局范围内保持高分辨率，可以用来进行大尺度大气模拟……”

    皱眉思考片刻，陈辉已然有些思路，指着屏幕上的拟合数据，三两下就解决了埃琳娜头痛了许久的问题。

    “至于计算资源，我去跟费弗曼教授申请一下。”

    气象预测毕竟是偏应用的研究，不像理论研究那样，一张纸一支笔坐半天就行，埃琳娜的项目需要大量的气象数据，这些倒是可以从公开网站上查找。

    而气象数据繁多冗杂，多维偏微分方程的计算又极为复杂，需要大量的计算资源。

    陈辉叹了口气，如果是在国内，他完全可以调用超算来做这件事，可惜，现在他在阿美莉卡。

    但若是在国内，他或许也不会对这个项目这么上心。

    埃琳娜并没有因为陈辉的大力支持感到开心，反而依旧是眉头紧皱，“老师，在计算的过程中，我还发现了一个更加致命的问题。”

    “天气预报的核心依赖于初始气象场的精确性，比如温度、气压、风速的分布，然而，实际采集到的数据中，观测站点的空间覆盖有限，就目前公开的数据来看，平均每100公里才仅1个站点，这是远远不够的，根本没办法捕捉到小尺度的气象细节。

    并且卫星、雷达的遥感数据的误差会导致初始场的噪声。”

    陈辉眉头也皱了起来，他当然明白，即便是初始条件的微小偏差，哪怕只有0.001度的温度误差，也会在计算过程中，因为NSE的非线性项被指数级放大，产生所谓的蝴蝶效应。

    即使NSE的全局解存在，初始误差仍会导致预测结果偏离真实大气状态。

    如果说计算资源的问题还可以想办法，那么初始数据的问题，就让人头痛了，这甚至都不是单纯的金钱能够解决的问题。

    想要完成预测模型的构建，必须要精准的数据，并且这不是一城一池的数据，而是遍布极大范围的数据，才可能让模型尽可能精确。

    因为整个地球是一个整体，任何地方的扰动都可能引起其他地方气象的变化，如果数据采集的区域不够大，即便模型再精妙，也不可能真正精准的做到预测。

    这个问题几乎是致命的！

    “你先改进模型，计算资源和数据的事情，我来想办法。”

    陈辉安慰埃琳娜几句后，迈步走出了办公室，满脑子都是如何解决数学问题带来的问号。

    不知不觉间，他来到了卡内基湖旁边。

    此时正是傍晚，依旧有不少师生在湖边跑步，不少人都热情的跟陈辉打招呼，如今“咖啡渍启示”和“草坪碰撞”已经成为普林斯顿津津乐道