Modelo de aprendizaje profundo bayesiano híbrido para predecir la intensidad de las islas de calor urbanas en...

Área de la Ciencia:

• Ciencias del medio ambiente
• Ciencias del clima
• Planificación urbana

Sus antecedentes:

• Las islas de calor urbanas (IHU) exacerban la demanda de energía, los problemas de calidad del aire y los riesgos para la salud pública, especialmente en las regiones africanas en rápida urbanización.
• La limitada infraestructura adaptativa al clima en África aumenta la vulnerabilidad de las poblaciones urbanas al estrés por calor.

Objetivo del estudio:

• Desarrollar y validar un modelo predictivo híbrido para pronosticar las intensidades de las islas de calor urbano superficial (SUHI) en toda África.
• Proporcionar a los urbanistas una herramienta para mitigar la carga térmica en las ciudades africanas de rápido crecimiento.

Principales métodos:

• Un modelo de conjunto híbrido que combina las Redes Neurales Bayesianas (BNNs) con los mecanismos de atención y los Regresores de Aumento Gradiente (GBR).
• Utilizó conjuntos de datos climáticos y urbanos globales de más de 10,000 ciudades, incluida la temperatura de la superficie de la tierra, el uso de la tierra y la densidad de población.
• Utilizó la validación cruzada de diez veces para la validación del modelo.

Principales resultados:

• El modelo híbrido demostró un rendimiento superior a los métodos convencionales de aprendizaje profundo (CNN, LSTM) para los datos climáticos estructurados.
• Se obtuvo un error absoluto medio (MAE) de 1,47 °C, un error cuadrado medio (MSE) de 3,56 °C2 y una puntuación R2 de 0,84.
• Mejora de la precisión del modelo en un 12,3% en las zonas suburbanas y reducción de la EMA en un 8,6% en comparación con las arquitecturas de referencia.

Conclusiones:

• El modelo propuesto de aprendizaje automático consciente de la incertidumbre e interpretable es valioso para las estrategias de adaptación al clima.
• El modelo apoya los esfuerzos de planificación urbana para construir ciudades más habitables y resistentes al clima en África.
• Un pronóstico eficaz de la intensidad de la SUHI es crucial para gestionar los impactos térmicos de la urbanización en la salud pública y la infraestructura.