在大气科学人工智能应用领域具备扎实的理论基础和丰富的算法开发经验，专注于机器学习与深度学习技术在大气科学中的创新应用。擅长开发面向气象要素的模式订正算法，通过深度神经网络、集成学习等方法有效提升数值模式预报精度。在统计模型构建方面，精通各类回归分析、时间序列预测等统计学习方法，并创新性地将物理约束融入统计建模过程。

在动力-统计模型构建领域具有独特技术优势，能够巧妙结合数值模式输出与观测数据，开发出融合大气动力学机理的混合模型架构。熟练掌握数值模式评估技术体系，包括偏差分析、技巧评分计算、不确定性量化等方法，为模式改进提供科学依据。

在气候机理分析与诊断方面，善于应用可解释AI技术解析复杂气候系统的内在物理机制，开发了基于注意力机制的气候异常诊断算法。精通大气科学领域多源数据处理技术，包括再分析资料处理、卫星遥感数据融合、观测数据质量控制等，构建了完整的气象大数据分析流水线。

通过多个国家级科研项目的实践，积累了从算法设计到业务化应用的完整经验，研究成果已成功应用于短期气候预测、极端天气事件识别等实际业务场景。持续探索人工智能技术与大气科学前沿问题的结合点，推动气象预报技术的智能化转型。