Evaluando el Riesgo de Oleadas de Tormenta Extremas de Ciclones Tropicales bajo el Cambio Climático Utilizando LSTM Basado en Atención Bidireccional para una Mejora en la Predicción
Autores: Ian, Vai-Kei; Tang, Su-Kit; Pau, Giovanni
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Inundaciones por tormentas
BALSSA
LSTM
Técnicas de aprendizaje automático
Precisión de predicción
Comunidades costeras
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 9
Citaciones: Sin citaciones
La predicción precisa de las marejadas ciclónicas es crucial para mitigar el impacto de los eventos climáticos extremos. Este documento presenta la Arquitectura de Marejada Ciclónica Basada en Memoria a Largo Plazo y Atención Bidireccional (LSTM), BALSSA, que aborda las limitaciones de los modelos físicos tradicionales. Al aprovechar técnicas de aprendizaje automático y datos históricos y en tiempo real extensos, BALSSA mejora significativamente la precisión de la predicción. Utilizando un marco LSTM basado en atención bidireccional, captura relaciones complejas y no lineales y dependencias a largo plazo, mejorando la precisión de las predicciones de marejadas ciclónicas. El modelo mejorado, D-BALSSA, amplifica aún más la capacidad predictiva a través de una estructura de atención bidireccional duplicada. El entrenamiento y la evaluación implican un conjunto de datos integral de más de 70 incidentes de tifones en Macao entre 2017 y 2022. Los resultados muestran el rendimiento excepcional de BALSSA, proporcionando pronósticos de marejadas ciclónicas altamente precisos con un tiempo de anticipación de hasta 72 horas. Notablemente, el modelo exhibe un bajo Error Absoluto Medio (MAE) de 0.0287 m y un Error Cuadrático Medio (RMSE) de 0.0357 m, indicadores cruciales que miden la precisión de las predicciones de marejadas ciclónicas en anomalías de nivel del agua. Estas métricas evalúan de manera integral la precisión del modelo dentro del período especificado, permitiendo evacuaciones oportunas y alertas tempranas para una mitigación efectiva de desastres. Un sistema adaptativo, que integra alertas en tiempo real, un perseguidor de ciclones tropicales (TC) y visualizaciones prospectivas de mediciones meteorológicas y de mareas, mejora las capacidades de BALSSA para una mejor predicción de marejadas ciclónicas. Posicionado como una herramienta integral para la gestión de riesgos, BALSSA apoya a los tomadores de decisiones, agencias de protección civil y gobiernos involucrados en la preparación y respuesta ante desastres. Al aprovechar técnicas avanzadas de aprendizaje automático y datos extensos, BALSSA permite predicciones precisas y oportunas, empoderando a las comunidades costeras para prepararse y responder proactivamente a eventos climáticos extremos. Esta precisión mejorada fortalece la resiliencia de las comunidades costeras y protege vidas e infraestructuras de las crecientes amenazas del cambio climático.
Descripción
La predicción precisa de las marejadas ciclónicas es crucial para mitigar el impacto de los eventos climáticos extremos. Este documento presenta la Arquitectura de Marejada Ciclónica Basada en Memoria a Largo Plazo y Atención Bidireccional (LSTM), BALSSA, que aborda las limitaciones de los modelos físicos tradicionales. Al aprovechar técnicas de aprendizaje automático y datos históricos y en tiempo real extensos, BALSSA mejora significativamente la precisión de la predicción. Utilizando un marco LSTM basado en atención bidireccional, captura relaciones complejas y no lineales y dependencias a largo plazo, mejorando la precisión de las predicciones de marejadas ciclónicas. El modelo mejorado, D-BALSSA, amplifica aún más la capacidad predictiva a través de una estructura de atención bidireccional duplicada. El entrenamiento y la evaluación implican un conjunto de datos integral de más de 70 incidentes de tifones en Macao entre 2017 y 2022. Los resultados muestran el rendimiento excepcional de BALSSA, proporcionando pronósticos de marejadas ciclónicas altamente precisos con un tiempo de anticipación de hasta 72 horas. Notablemente, el modelo exhibe un bajo Error Absoluto Medio (MAE) de 0.0287 m y un Error Cuadrático Medio (RMSE) de 0.0357 m, indicadores cruciales que miden la precisión de las predicciones de marejadas ciclónicas en anomalías de nivel del agua. Estas métricas evalúan de manera integral la precisión del modelo dentro del período especificado, permitiendo evacuaciones oportunas y alertas tempranas para una mitigación efectiva de desastres. Un sistema adaptativo, que integra alertas en tiempo real, un perseguidor de ciclones tropicales (TC) y visualizaciones prospectivas de mediciones meteorológicas y de mareas, mejora las capacidades de BALSSA para una mejor predicción de marejadas ciclónicas. Posicionado como una herramienta integral para la gestión de riesgos, BALSSA apoya a los tomadores de decisiones, agencias de protección civil y gobiernos involucrados en la preparación y respuesta ante desastres. Al aprovechar técnicas avanzadas de aprendizaje automático y datos extensos, BALSSA permite predicciones precisas y oportunas, empoderando a las comunidades costeras para prepararse y responder proactivamente a eventos climáticos extremos. Esta precisión mejorada fortalece la resiliencia de las comunidades costeras y protege vidas e infraestructuras de las crecientes amenazas del cambio climático.