COMPRESIÓN DE DATOS CLIMÁTICOS MEDIANTE TÉCNICAS DE DEEP LEARNING

Abstract

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.