Predicción multi-horizonte de la intensidad del ciclón tropical y su interpretabilidad con el transformador de fusión...

Área de la Ciencia:

• Meteorología
• Ciencias del clima
• Inteligencia artificial

Sus antecedentes:

• La predicción de la intensidad del ciclón tropical (TC) es compleja e incierta, especialmente para los casos de intensificación rápida (RI).
• Los modelos estadístico-dinámicos convencionales tienen limitaciones debido a su dependencia de la regresión lineal para sistemas TC complejos.

Objetivo del estudio:

• Proponer un nuevo enfoque utilizando un transformador de fusión temporal (TFT) para mejorar la precisión e interpretabilidad de la predicción de la intensidad de la TC.
• Superar las limitaciones de los modelos convencionales para pronosticar la intensidad de la TC, especialmente durante la intensificación rápida.

Principales métodos:

• Utilizó un transformador de fusión temporal (TFT), un modelo de aprendizaje profundo conocido por su interpretabilidad y pronóstico probabilístico.
• Entrenó y evaluó el modelo TFT en conjuntos de datos de observación y reanálisis de TC de la cuenca del Pacífico Norte Occidental desde 1996 hasta 2021.

Principales resultados:

• El modelo TFT redujo los errores de predicción de la intensidad TC en aproximadamente un 12% en promedio en todos los horizontes de pronóstico hasta 72 horas en comparación con los modelos convencionales.
• Se logró una reducción significativa del 14% de los errores específicamente para los TC en proceso de intensificación rápida (RI).
• El modelo proporciona una cuantificación de la incertidumbre a través de predicciones probabilísticas.

Conclusiones:

• El transformador de fusión temporal (TFT) ofrece un método más preciso e interpretable para predecir la intensidad de los ciclones tropicales.
• Los avances en TFT son cruciales para mejorar las previsiones de eventos de intensificación rápida y proporcionar información esencial sobre la incertidumbre.