Resumen

Hoy en día, la tecnología de observación de los océanos sigue progresando, lo que da lugar a un enorme aumento del volumen y la dimensionalidad de los datos marinos. Este volumen de datos ofrece una oportunidad de oro para entrenar modelos predictivos, ya que cuantos más datos haya, mejor será el modelo predictivo. La predicción de datos marinos, como la temperatura de la superficie del mar (TSM) y la altura significativa de las olas (SWH), es una tarea vital en diversas disciplinas, como las actividades marinas, las profundidades marinas y la vigilancia de la biodiversidad marina. La literatura cuenta con esfuerzos para pronosticar dichos datos marinos; estos esfuerzos se pueden clasificar en tres clases: aprendizaje automático, aprendizaje profundo y modelos estadísticos de predicción. Según el conocimiento de los autores, ningún estudio ha comparado el rendimiento de estos tres enfoques en un conjunto de datos reales. Este trabajo se centra en la predicción de dos características marinas críticas: la TSM y el SWH. En este trabajo, propusimos la implementación de modelos estadísticos, de aprendizaje profundo y de aprendizaje automático para predecir la TSM y el SWH en un conjunto de datos real obtenido de la Agencia Hidrográfica y Oceanográfica de Corea. A continuación, propusimos comparar estos tres enfoques de predicción en cuatro métricas de evaluación diferentes. Los resultados experimentales han revelado que el modelo de aprendizaje profundo superó ligeramente a los modelos de aprendizaje automático en cuanto a rendimiento general, y ambos enfoques superaron ampliamente al modelo de predicción estadística.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:modelo estadístico predictivo, modelo de aprendizaje automático, datos marinos, modelo predictivo, conjunto de datos reales, aprendizaje profundo, modelo de aprendizaje profundo, swh, altura significativa de las olas, tecnología de observaciones oceánicas
• Keywords:statistical predictive model, machine learning model, marine data, predictive model, real dataset, deep learning, deep learning model, swh, significant wave height, ocean observations technology