Hoy en día, la tecnología de observación de los océanos sigue progresando, lo que da lugar a un enorme aumento del volumen y la dimensionalidad de los datos marinos. Este volumen de datos ofrece una oportunidad de oro para entrenar modelos predictivos, ya que cuantos más datos haya, mejor será el modelo predictivo. La predicción de datos marinos, como la temperatura de la superficie del mar (TSM) y la altura significativa de las olas (SWH), es una tarea vital en diversas disciplinas, como las actividades marinas, las profundidades marinas y la vigilancia de la biodiversidad marina. La literatura cuenta con esfuerzos para pronosticar dichos datos marinos; estos esfuerzos se pueden clasificar en tres clases: aprendizaje automático, aprendizaje profundo y modelos estadísticos de predicción. Según el conocimiento de los autores, ningún estudio ha comparado el rendimiento de estos tres enfoques en un conjunto de datos reales. Este trabajo se centra en la predicción de dos características marinas críticas: la TSM y el SWH. En este trabajo, propusimos la implementación de modelos estadísticos, de aprendizaje profundo y de aprendizaje automático para predecir la TSM y el SWH en un conjunto de datos real obtenido de la Agencia Hidrográfica y Oceanográfica de Corea. A continuación, propusimos comparar estos tres enfoques de predicción en cuatro métricas de evaluación diferentes. Los resultados experimentales han revelado que el modelo de aprendizaje profundo superó ligeramente a los modelos de aprendizaje automático en cuanto a rendimiento general, y ambos enfoques superaron ampliamente al modelo de predicción estadística.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Monitorización del estancamiento de flemas basada en el algoritmo VDS
Artículo:
Red híbrida funcional de nanotubos de carbono/carbono mesoporoso/MnO2 para supercondensadores de alto rendimiento
Artículo:
Diagnóstico de fallos en circuitos analógicos mediante EEMD, entropía relativa y ELM
Video:
CABANA - Desarrollo de capacidades para bioinformática en América Latina
Artículo:
Biosensor inmovilizado con tirosinasa basado en el grupo hidroxilo funcionalizado-MWNT y detección de compuestos fenólicos en vinos tintos
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
Importancia, manejo y control de extraíbles e incrustaciones (pitch) en la fabricación de papel
Libro:
Tratamientos avanzados de aguas residuales industriales
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores