Investigación sobre la Predicción de Tifones mediante la Integración de Simulación Numérica y Métodos de Aprendizaje Profundo
Autores: Lv, Tianyi; Yu, Huaming; Lin, Liangshi; Tao, Yijun; Qi, Xin
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Investigación sobre la Predicción de Tifones mediante la Integración de Simulación Numérica y Métodos de Aprendizaje Profundo
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Tifones
Desastres naturales
Red neuronal LSTM
Velocidades del viento
Modelo numérico atmosférico
Predicciones
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 7
Citaciones: Sin citaciones
Los tifones se encuentran entre los desastres naturales más destructivos, afectando significativamente las actividades humanas y la vida diaria. Los campos de viento de modelos numéricos atmosféricos, que se utilizan ampliamente, a menudo subestiman la intensidad de los tifones. Este estudio propone un modelo para predecir las velocidades máximas del viento de los tifones utilizando la red neuronal de Memoria a Largo y Corto Plazo (LSTM). El modelo predice las velocidades máximas del viento basándose en las previsiones numéricas atmosféricas existentes, construye un modelo de campo de viento paramétrico a partir de estas predicciones e integra este modelo con los campos de viento del modelo numérico para generar un campo de viento optimizado por LSTM. Los resultados muestran que el modelo LSTM predice con precisión las velocidades máximas del viento de los tifones, con los valores extremos predichos alineándose estrechamente con las observaciones reales y capturando las tendencias de las variaciones de la velocidad máxima del viento. En comparación con la velocidad máxima del viento del tifón ERA5, el C del modelo LSTM para predecir la velocidad máxima del viento del tifón mejora de 0.801 a 0.859, y el RMSE y el MAE se reducen en un 58% y un 64%, respectivamente. En la simulación del tifón DELTA (2020), el campo de viento optimizado por LSTM exhibe intensidades de velocidad del viento sustancialmente más altas en la región central del tifón en comparación con el campo de viento ERA5, proporcionando una representación más precisa de la intensidad y la estructura del tifón.
Descripción
Los tifones se encuentran entre los desastres naturales más destructivos, afectando significativamente las actividades humanas y la vida diaria. Los campos de viento de modelos numéricos atmosféricos, que se utilizan ampliamente, a menudo subestiman la intensidad de los tifones. Este estudio propone un modelo para predecir las velocidades máximas del viento de los tifones utilizando la red neuronal de Memoria a Largo y Corto Plazo (LSTM). El modelo predice las velocidades máximas del viento basándose en las previsiones numéricas atmosféricas existentes, construye un modelo de campo de viento paramétrico a partir de estas predicciones e integra este modelo con los campos de viento del modelo numérico para generar un campo de viento optimizado por LSTM. Los resultados muestran que el modelo LSTM predice con precisión las velocidades máximas del viento de los tifones, con los valores extremos predichos alineándose estrechamente con las observaciones reales y capturando las tendencias de las variaciones de la velocidad máxima del viento. En comparación con la velocidad máxima del viento del tifón ERA5, el C del modelo LSTM para predecir la velocidad máxima del viento del tifón mejora de 0.801 a 0.859, y el RMSE y el MAE se reducen en un 58% y un 64%, respectivamente. En la simulación del tifón DELTA (2020), el campo de viento optimizado por LSTM exhibe intensidades de velocidad del viento sustancialmente más altas en la región central del tifón en comparación con el campo de viento ERA5, proporcionando una representación más precisa de la intensidad y la estructura del tifón.