• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Naturaleza
    Modelo de inteligencia artificial para pronosticar complicadas olas de inestabilidad tropical a gran escala en el Océano Pacífico

    Crédito:CC0 Public Domain

    Los fenómenos oceánicos a gran escala son complicados y a menudo involucran muchos procesos naturales. La onda de inestabilidad tropical (TIW) es uno de estos fenómenos.

    Pacífico TIW, un evento oceánico predominante prominente en el Océano Pacífico ecuatorial oriental, se presenta con ondas en forma de cúspide que se propagan hacia el oeste en ambos flancos de la lengua fría del Pacífico tropical.

    El pronóstico de TIW ha dependido durante mucho tiempo de modelos numéricos o estadísticos basados ​​en ecuaciones físicas. Sin embargo, Es necesario considerar muchos procesos naturales para comprender fenómenos tan complicados.

    Recientemente, un equipo de investigación dirigido por el profesor LI Xiaofeng del Instituto de Oceanología de la Academia de Ciencias de China (IOCAS) estudió este tipo de fenómenos oceánicos complejos a través de tecnologías de inteligencia artificial (IA).

    El miembro del equipo incluye a ZHENG Gang del Segundo Instituto de Oceanología del Ministerio de Recursos Naturales, ZHANG Ronghua de IOCAS, y LIU Bin de la Universidad Oceánica de Shanghai.

    Utilizaron un modelo de aprendizaje profundo basado en datos satelitales para pronosticar la complicada escala de mil kilómetros TIW por primera vez en el mundo. Su estudio fue publicado en Avances de la ciencia el 15 de julio.

    Las reglas básicas que gobiernan los complicados fenómenos oceánicos suelen estar profundamente ocultas en los propios macrodatos de teledetección satelital de rápido crecimiento. Deben ser desenterrados mediante potentes técnicas de minería de información, como el aprendizaje profundo en el campo de la inteligencia artificial.

    "La tecnología de IA puede conducir a una alternativa prometedora para modelar fenómenos oceánicos complicados y sortear las dificultades a las que se enfrentan los modelos numéricos tradicionales, "dijo el Prof. LI.

    En este trabajo, Los investigadores desarrollaron un modelo de aprendizaje profundo para pronosticar el campo de la temperatura de la superficie del mar (SST) asociado con TIW basado en datos SST actuales y anteriores derivados de satélites.

    La prueba a largo plazo de los datos de SST de nueve años mostró que el modelo pronosticó de manera eficiente y precisa la evolución de la SST y capturó la variación espacial y temporal de la propagación de TIW.

    El estudio demuestra que un paradigma de minería de información basado puramente en datos y basado en inteligencia artificial puede ser una forma sólida y prometedora de modelar y pronosticar fenómenos oceánicos complicados en la era de Big Data de teledetección por satélite.

    "Modelos basados ​​en IA, modelos estadísticos, y los modelos numéricos tradicionales pueden complementarse entre sí y proporcionar una perspectiva novedosa para estudiar características oceánicas complejas, "dijo el Prof. LI.

    Se publicó un artículo de revisión del grupo del Prof.LI en Revista Nacional de Ciencias el 19 de marzo que revisó sistemáticamente la extracción de información basada en el aprendizaje profundo a partir de imágenes de teledetección oceánica.


    © Ciencia https://es.scienceaq.com