es.wedoany.com Noticia: El "Modelo de predicción integrada de intensificación rápida de tifones basado en aprendizaje automático", desarrollado de forma independiente por el equipo de la investigadora Li Qinglan del Instituto de Tecnología Avanzada de Shenzhen de la Academia China de Ciencias, ha completado recientemente su despliegue operativo y aplicación práctica en el Centro Meteorológico Nacional y el Observatorio de Hong Kong, convirtiéndose en el primer modelo de predicción de intensificación rápida de tifones en 24 horas implementado en China.
Junto con el producto de predicción de 24 horas, también se lanzó un producto de predicción de intensificación rápida en 12 horas. Esta aplicación marca la entrada oficial de la tecnología de predicción de intensificación rápida de tifones basada en IA autónoma en el sistema meteorológico nacional de China. La predicción de cambios bruscos en la intensidad de los tifones es un desafío técnico reconocido mundialmente en el campo meteorológico y ha sido incluida entre los diez principales problemas científicos de vanguardia de la Asociación China de Ciencia y Tecnología para 2025. Durante mucho tiempo, China ha carecido de métodos objetivos estables y efectivos, así como de productos de apoyo en este ámbito.
Basándose en más de una década de investigación en predicción de tifones, el equipo de Li Qinglan desarrolló de forma independiente un modelo de predicción de intensidad de tifones basado en árboles de gradiente potenciado, y construyó un modelo de predicción de intensificación rápida de tifones integrado con aprendizaje automático, siendo pionero en introducir el modelo de predicción de intensificación rápida de tifones en 24 horas en el sistema de predicción meteorológica de China.
Este estudio estableció por primera vez dos indicadores cuantitativos: la "relación tierra-mar" y la "relación de simetría", que describen respectivamente los cambios en la distribución tierra-mar de la superficie subyacente del tifón y las características de simetría de la convección del núcleo interno, revelando la correlación física entre la simetría del núcleo interno y la intensificación rápida. Li Qinglan explicó que, antes de que ocurra una intensificación rápida, el núcleo interno del tifón suele presentar una estructura anular muy simétrica; cuanto más simétrico es el núcleo interno, más probable es que se produzca una intensificación rápida. El equipo integró cuatro algoritmos de aprendizaje automático: árbol de decisión, bosque aleatorio, AdaBoost y LightGBM, para construir un modelo de predicción integrada. Cuando más de la mitad de los submodelos predicen una intensificación rápida, el sistema emite una conclusión de predicción, mejorando la precisión de la misma.
Según el anuncio oficial, las simulaciones retrospectivas de todos los procesos de intensificación rápida de ciclones tropicales en 24 horas ocurridos en el Atlántico Norte entre 2016 y 2020 mostraron que este modelo de predicción integrada supera al mejor sistema de predicción del Centro Nacional de Huracanes de Estados Unidos en términos de tasa de aciertos y tasa de falsas alarmas, demostrando un excelente rendimiento predictivo y aplicabilidad operativa.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
