男，理学博士，研究方向为物理海洋学，主要从事海洋垂向混合参数化方案优化和气候模式系统性误差方面的研究工作。首次系统地研究了气候模式对热带太平洋的模拟能力，揭示热带太平洋温度模拟误差的成因；诊断目前海洋垂向混合参数化方案的性能及不确定性来源，并利用观测资料优化现有的混合方案；利用人工智能算法研究气候模式误差的来源，创新性地构建了基于深度学习海洋垂向混合参数化方案。其研究成果目前已在JC、JPO、GRL等国际知名期刊上发表。

2015-09至2018-06,中国科学院大学,中国科学院海洋研究所，博士

2012-09至2015-06,中国海洋大学,海洋环境学院，硕士

2008-09至2012-06,中国海洋大学,海洋环境学院，本科

2021年至今，中国科学院海洋研究所海洋环流与波动重点实验室，副研究员；

2020年2021，中国科学院海洋研究所海洋环流与波动重点实验室，助理研究员；

2018至2020,中国科学院海洋研究所、山东省科学院海洋仪器仪表研究所,博士后

1.国家自然科学基金委员会,青年科学基金项目, 41906007,海洋垂向混合参数化方案对模式系统性误差的影响机制研究, 2020-01至2022-12, 25万元,在研,主持

2.中国博士后科学基金面上资助，2018M640659，基于Argo资料的海洋垂向混合参数化优化方案，2018.10-2020.7，8万元，在研，主持

3.青岛市博士后应用研究项目，2020-2022，在研，主持

1.Zhu, Y., R.-H. Zhang, D. Li, and D. Chen, 2021: The Thermocline Biases in the Tropical North Pacific and Their Attributions.J. Climate, 34, 1635-1648.

2.Zhu, Y., R.-H. Zhang, and J. Sun, 2020: North Pacific Upper-Ocean Cold Temperature Biases in CMIP6 Simulations and the Role of Regional Vertical Mixing.J. Climate, 33, 7523-7538.

3.Zhu, Y., and R.-H. Zhang, 2019: A Modified Vertical Mixing Parameterization for Its Improved Ocean and Coupled Simulations in the Tropical Pacific.J. Phys. Oceanogr., 49, 21-37.

4.Zhu, Y., and R.-H. Zhang, 2018b: Scaling wind stirring effects in an oceanic bulk mixed layer model with application to an OGCM of the tropical Pacific.Clim. Dyn., 51, 1927-1946.

5.Zhu, Y., and R.-H. Zhang, 2018a: An Argo-Derived Background Diffusivity Parameterization for Improved Ocean Simulations in the Tropical Pacific.Geophys. Res. Lett., 45, 1509-1517.

6.朱聿超,赵小龙, and赵玮, 2016:南海简正模态型季节内振荡的数值模拟.中国海洋大学学报(自然科学版), 46, 1-5.

7. Li, D., J. Staneva, J.-R. Bidlot, S. Grayek,Y. Zhu, and B. Yin, 2021: Improving Regional Model Skills During Typhoon Events: A Case Study for Super Typhoon Lingling Over the Northwest Pacific Ocean.Front. Mar. Sci., 8.

8. Zhou, C., W. Zhao, J. Tian, X. Zhao,Y. Zhu, Q. Yang, and T. Qu, 2017: Deep Western Boundary Current in the South China Sea.Sci. Rep., 7, 9303.

9.Song, D., Q. Yan, S. Wang, H. Yang, andY. Zhu, 2015: A Method for Ocean Turbulence Effectiveness Detection and Intelligent Processing Based on Pseudo Dissipation Rate.International Symposium on Knowledge Acquisition and Modeling.