Resumen

Hoy en día, la inteligencia artificial y las redes neuronales profundas se han utilizado con éxito en muchas aplicaciones que han cambiado fundamentalmente la vida de las personas en muchas áreas. Sin embargo, se ha realizado una investigación muy limitada en el área de la meteorología, donde los pronósticos meteorológicos todavía dependen de simulaciones a través de extensos recursos informáticos. En este artículo, proponemos un enfoque para utilizar la red neuronal para pronosticar la temperatura futura según los valores pasados de temperatura. Específicamente, diseñamos un modelo de red neuronal convolucional recurrente (CRNN) que está compuesto por una parte de red neuronal convolucional (CNN) y una parte de red neuronal recurrente (RNN). El modelo puede aprender la correlación temporal y espacial de los cambios de temperatura a partir de datos históricos a través de redes neuronales. Para evaluar el modelo CRNN propuesto, utilizamos los datos diarios de temperatura de China continental desde 1952 hasta 2018 como datos de entrenamiento. Los resultados muestran que nuestro modelo puede predecir la temperatura futura con un error de al

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Inteligencia artificial; Redes neuronales profundas; Meteorología; Pronósticos; Red neuronal convolucional recurrente; Temperatura
• Keywords:Artificial intelligence; Deep neural networks; Meteorology; Forecasts; Convolutional recurrent neural network; Temperature