Red neuronal profunda para la predicción de la temperatura de la superficie del mar: conclusiones y trabajo futuro

Tabla de enlaces

• Resumen e introducción
• Fondo
• Método propuesto
• Resultados experimentales y análisis
• conclusiones y trabajo futuro
• Referencias

V. CONCLUSIONES Y TRABAJO FUTURO

En este artículo, presentamos un enfoque de predicción de SST basado en la corrección del conocimiento físico, que utiliza datos históricos observados para refinar y ajustar el componente físico en los datos del modelo numérico. Específicamente, se empleó una red previa para extraer conocimiento físico de los datos observados. Posteriormente, generamos SST mejorada física aplicando la red previa previamente entrenada sobre datos del modelo numérico. Finalmente, los datos generados se utilizaron para entrenar la red ConvLSTM para la predicción de SST. Además, los datos mejorados basados en el conocimiento físico se aprovecharon para entrenar la red ConvLSTM, lo que mejoró aún más el rendimiento de la predicción. El método propuesto logró el mejor rendimiento en comparación con seis métodos de última generación. Aunque la parte física de los datos del modelo numérico ha sido corregida por nuestro método propuesto, el rendimiento de la predicción podría mejorarse aún más si se emplea un modelo interpretable. En el futuro, planeamos extraer conocimientos más pertinentes de las redes profundas y luego diseñar modelos interpretables más adecuados para aplicaciones prácticas.