Los CTs representan una de las amenazas más significativas para las regiones
costeras alrededor del mundo, debido a su capacidad de causar daños extensos y
poner en riesgo vidas humanas. Este Trabajo de Fin de Grado se enfoca en el
desarrollo de un modelo de predicción de CTs, utilizando datos meteorológicos
de alta resolución de ERA5, con el fin de mejorar la precisión y anticipación de
estos fenómenos naturales.
En esta memoria se revisan las principales técnicas y arquitecturas actuales
utilizadas en la predicción meteorológica y el análisis de grandes volúmenes de
datos.
Se emplearon métodos de deep learning para desarrollar un modelo predictivo que
analiza datos históricos y ofrece predicciones sobre la formación y trayectoria de
CTs. La investigación incluye un análisis detallado de los datos, la selección de
características relevantes y la implementación de algoritmos avanzados de
aprendizaje automático.
Este trabajo pone de manifiesto la importancia de la inteligencia artificial y el aprendizaje automático en la mejora de las predicciones meteorológicas y ofrece una base sólida para el desarrollo de sistemas avanzados de alerta temprana.
La licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional