Framework di Deep Learning Accelerato su GPU per la Previsione delle Ondate di Calore Urbane a Sarajevo

Uno studio disponibile su arXiv (2605.16435) introduce un framework di deep learning che utilizza GPU per prevedere le condizioni termiche urbane e valutare il rischio di calore per il giorno successivo, testato specificamente a Sarajevo. La ricerca ha utilizzato dati di temperatura superficiale terrestre MODIS e dati di previsione Open-Meteo per analizzare vari modelli convoluzionali e spazio-temporali. Tra questi, il modello ConvLSTM, che impiegava una funzione di perdita mista, ha ottenuto le migliori prestazioni (MAE = 0,2293, RMSE = 0,3089, R2 = 0,8877). I risultati suggeriscono che estendere la serie temporale e incorporare più variabili meteorologiche potrebbe migliorare l'accuratezza delle previsioni. Inoltre, l'implementazione su GPU con precisione mista ha ridotto significativamente il tempo di esecuzione e consente di integrare le informazioni sul pericolo con i dati di esposizione e vulnerabilità per una valutazione completa del rischio.