Rede Neural Profunda para Previsão da Temperatura da Superfície do Mar: Conclusões e Trabalhos Futuros

Tabela de links

• Resumo e introdução
• Fundo
• Método proposto
• Resultados Experimentais e Análise
• Conclusões e Trabalho Futuro
• Referências

V. CONCLUSÕES E TRABALHOS FUTUROS

Neste artigo, apresentamos uma abordagem de previsão de TSM baseada na correção do conhecimento físico, que utiliza dados históricos observados para refinar e ajustar o componente físico nos dados do modelo numérico. Especificamente, uma rede prévia foi empregada para extrair conhecimento físico dos dados observados. Posteriormente, geramos SST aprimorado pela física aplicando a rede anterior pré-treinada sobre dados do modelo numérico. Por fim, os dados gerados foram utilizados para treinar a rede ConvLSTM para previsão de TSM. Além disso, os dados aprimorados baseados em conhecimento físico foram aproveitados para treinar a rede ConvLSTM, o que melhorou ainda mais o desempenho da previsão. O método proposto obteve o melhor desempenho em comparação com seis métodos do estado da arte. Embora a parte física dos dados do modelo numérico tenha sido corrigida pelo método proposto, o desempenho da previsão poderia ser melhorado se um modelo interpretável fosse empregado. No futuro, planejamos extrair conhecimento mais pertinente das redes profundas e, então, projetar modelos interpretáveis mais adequados para aplicações práticas.