Pronóstico y análisis de las tendencias mundiales de la temperatura media basadas en modelos LSTM y ARIMA

Área de la Ciencia:

• Ciencias del clima
• Análisis de las series temporales
• Ciencias del medio ambiente

Sus antecedentes:

• Correlación establecida entre la temperatura media global y los gases de efecto invernadero.
• Exploración limitada de modelos combinados LSTM y ARIMA para mejorar la precisión de la predicción de la temperatura.
• Hipótesis sobre el impacto del COVID-19 en la temperatura media global.

Objetivo del estudio:

• Investigar el potencial combinado de los modelos LSTM y ARIMA para la predicción de la temperatura global.
• Evaluar la influencia del COVID-19 en las tendencias mundiales de la temperatura promedio.
• Proporcionar un método de predicción de la temperatura más preciso y completo.

Principales métodos:

• Utilizó datos de temperatura media global que abarcan desde 1880 hasta 2022.
• Modelo combinado de memoria a corto plazo (LSTM) para dependencias a largo plazo con el modelo de promedio móvil integrado autorregresor (ARIMA) para datos de series temporales lineales.
• Empleó un modelo híbrido para aprovechar las fortalezas de LSTM y ARIMA.

Principales resultados:

• Se confirmó una tendencia temprana significativa de aumento de la temperatura global, con retrasos en la implementación que causan problemas.
• Se descubrió que el COVID-19 redujo indirectamente las emisiones de gases de efecto invernadero, mitigando el calentamiento global.
• Se observó una débil correlación entre la longitud y la temperatura media, y una fuerte correlación negativa entre la latitud y la temperatura.

Conclusiones:

• El modelo híbrido LSTM-ARIMA ofrece un enfoque más preciso y completo para la previsión de la temperatura global.
• El impacto de COVID-19 en las emisiones sugiere una desaceleración temporal en el calentamiento global.
• Los hallazgos proporcionan ideas críticas para la gobernanza ecológica y la formulación de políticas económicas.