COMPRESIÓN DE DATOS CLIMÁTICOS MEDIANTE TÉCNICAS DE DEEP LEARNING
Fecha
2024-07-23
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Rey Juan Carlos
Resumen
Los datos climáticos utilizados por los científicos para el análisis del clima pasado, presente y futuro, representan una gran cantidad en términos de recursos de almacenamiento y cómputo. Es por ello que se hace imprescindible un tratamiento de los mismos que mitigue estos efectos. Para ello, se ha propuesto la compresión con pérdidas de los datos asegurando una reconstrucción al menos estadísticamente indistinguible de la variabilidad natural del sistema para posteriores análisis y visualización por parte de la comunidad científica. En este proyecto se han evaluado técnicas de Deep Learning (aprendizaje profundo) para el desarrollo de un modelo de compresión con pérdidas que permita alcanzar los objetivos y requerimientos de la reconstrucción de los datos climáticos. Se ha desarrollado un modelo de autoencoder convolucional que, junto con un tratamiento de la compresión de la predicción de los datos de entrada y los residuos de ésta, cumple con
los anteriores requerimientos.
Descripción
Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2023/2024. Directores/as: Leopoldo Carro Calvo
Palabras clave
Citación
Colecciones
Excepto si se señala otra cosa, la licencia del ítem se describe como Creative Commons Atribución 4.0 Internacional