StormNet: il modello GNN migliora le previsioni delle mareggiate
Una nuova rete neurale grafico-temporale, denominata StormNet, è stata creata per migliorare l'accuratezza delle previsioni delle mareggiate. Questo modello innovativo combina elementi di memoria a lungo termine (LSTM) con tecniche di convoluzione grafica (GCN) e attenzione grafica (GAT) per catturare efficacemente le complesse relazioni spaziali e temporali tra le stazioni di monitoraggio del livello dell'acqua. Utilizzando dati storici sugli uragani della costa del Golfo degli Stati Uniti e testato sull'uragano Idalia (2023), StormNet riduce significativamente l'errore quadratico medio rispetto ai modelli numerici ad alta fedeltà convenzionali come ADCIRC. La ricerca affronta le incertezze presenti nei modelli tradizionali, specialmente alla luce dei recenti modelli di rapida intensificazione e dell'aumento degli eventi di tempesta vicino alla costa.
Fatti principali
- StormNet è una rete neurale grafico-temporale per la correzione del bias delle mareggiate.
- Integra componenti GCN, GAT e LSTM.
- Addestrato su dati storici di uragani della costa del Golfo degli Stati Uniti.
- Valutato sull'uragano Idalia (2023).
- Riduce l'errore quadratico medio rispetto ad ADCIRC.
- Affronta le incertezze nei modelli numerici tradizionali.
- Si concentra sulla rapida intensificazione e sull'aumento dell'attività delle tempeste vicino alla costa.
- Pubblicato su arXiv con ID 2604.20688.
Entità
Istituzioni
- arXiv
Luoghi
- U.S. Gulf Coast