Mejorando la Precisión de las Predicciones de Sequía a Través de la Optimización del Modelo Informer
Autores: Wei, Jieru; Tang, Wensheng; Ditthakit, Pakorn; Shang, Jiandong; Guo, Hengliang; Zhao, Bei; Wu, Gang; Guo, Yang
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Mejorando la Precisión de las Predicciones de Sequía a Través de la Optimización del Modelo InformerCategoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Cambio climático
Predicción de sequías
Modelo Informer
VMD-JAYA-Informer
Precisión de pronóstico
Intervalos a corto plazo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 5
Citaciones: Sin citaciones
A medida que las sequías se vuelven más frecuentes debido al cambio climático y los cambios en el uso de la tierra, mejorar la precisión de la predicción de sequías se vuelve crucial para una gestión informada de los recursos hídricos y de la tierra. Este estudio empleó el modelo Informer para pronosticar sequías y realizó un análisis comparativo con los modelos de Promedio Móvil Integrado Autorregresivo (ARIMA), memoria a corto y largo plazo (LSTM) y Red Neuronal Convolucional (CNN). Los hallazgos indican que el modelo Informer supera a los otros tres modelos en términos de precisión de pronóstico de sequías en todas las escalas de tiempo. Sin embargo, la capacidad predictiva del modelo Informer sigue siendo subóptima en lo que respecta a intervalos a corto plazo. Con el objetivo de abordar el problema de la precisión de la predicción de sequías en una escala de tiempo corta, este estudio propuso un modelo de pronóstico de sequías llamado VMD-JAYA-Informer basado en la Descomposición de Modo Variacional (VMD) y el algoritmo de optimización JAVA para mejorar el modelo Informer. Este estudio realizó un análisis comparativo de los modelos de predicción de sequías VMD-JAYA-ARIMA, VMD-JAYA-LSTM, VMD-JAYA-CNN y VMD-JAYA-Informer. El rendimiento de estos modelos se evaluó utilizando el error cuadrático medio (RMSE), el coeficiente de eficiencia de Nash-Sutcliffe (NSE) y el Error Absoluto Medio (MAE). El pronóstico del modelo VMD-JAYA-Informer para el SPEI a 1 mes supera significativamente al de los modelos alternativos y demuestra un sólido acuerdo con los datos reales. Al mismo tiempo, el modelo exhibe un rendimiento de pronóstico igualmente óptimo en diferentes escalas de tiempo. Para validar el modelo VMD-JAYA-Informer, se eligieron al azar cuatro estaciones meteorológicas en la cuenca del río Songliao. Los resultados de la validación demuestran que VMD-JAYA-Informer supera al modelo Informer en términos de precisión de predicción en la escala de tiempo de 1 mes (valores NSE de 0.8663, 0.8765, 0.8822 y 0.8416, respectivamente). Además, el modelo supera al Informer en términos de rendimiento de predicción en otras escalas de tiempo, lo que demuestra aún más su generalizabilidad y excelencia en la predicción de sequías en escalas de tiempo más cortas.
Descripción
A medida que las sequías se vuelven más frecuentes debido al cambio climático y los cambios en el uso de la tierra, mejorar la precisión de la predicción de sequías se vuelve crucial para una gestión informada de los recursos hídricos y de la tierra. Este estudio empleó el modelo Informer para pronosticar sequías y realizó un análisis comparativo con los modelos de Promedio Móvil Integrado Autorregresivo (ARIMA), memoria a corto y largo plazo (LSTM) y Red Neuronal Convolucional (CNN). Los hallazgos indican que el modelo Informer supera a los otros tres modelos en términos de precisión de pronóstico de sequías en todas las escalas de tiempo. Sin embargo, la capacidad predictiva del modelo Informer sigue siendo subóptima en lo que respecta a intervalos a corto plazo. Con el objetivo de abordar el problema de la precisión de la predicción de sequías en una escala de tiempo corta, este estudio propuso un modelo de pronóstico de sequías llamado VMD-JAYA-Informer basado en la Descomposición de Modo Variacional (VMD) y el algoritmo de optimización JAVA para mejorar el modelo Informer. Este estudio realizó un análisis comparativo de los modelos de predicción de sequías VMD-JAYA-ARIMA, VMD-JAYA-LSTM, VMD-JAYA-CNN y VMD-JAYA-Informer. El rendimiento de estos modelos se evaluó utilizando el error cuadrático medio (RMSE), el coeficiente de eficiencia de Nash-Sutcliffe (NSE) y el Error Absoluto Medio (MAE). El pronóstico del modelo VMD-JAYA-Informer para el SPEI a 1 mes supera significativamente al de los modelos alternativos y demuestra un sólido acuerdo con los datos reales. Al mismo tiempo, el modelo exhibe un rendimiento de pronóstico igualmente óptimo en diferentes escalas de tiempo. Para validar el modelo VMD-JAYA-Informer, se eligieron al azar cuatro estaciones meteorológicas en la cuenca del río Songliao. Los resultados de la validación demuestran que VMD-JAYA-Informer supera al modelo Informer en términos de precisión de predicción en la escala de tiempo de 1 mes (valores NSE de 0.8663, 0.8765, 0.8822 y 0.8416, respectivamente). Además, el modelo supera al Informer en términos de rendimiento de predicción en otras escalas de tiempo, lo que demuestra aún más su generalizabilidad y excelencia en la predicción de sequías en escalas de tiempo más cortas.