Διόρθωση προγνώσεων σημαντικού ύψους κύματος στη Μεσόγειο θάλασσα με χρήση μοντέλων U-Net και δορυφορικών μετρήσεων

Abstract

Η πρόγνωση των θαλάσσιων καιρικών συνθηκών, και ειδικότερα του σημαντικού ύψους κύματος, αποτελεί κρίσιμο ζήτημα για τη ναυτιλία, την αλιεία, και την ασφάλεια όλων των ανθρωπίνων δραστηριοτήτων στη θάλασσα. Το πρόβλημα χαρακτηρίζεται από πολύπλοκα, δυναμικά συστήματα που περιγράφονται με μη γραμμικές διαφορικές εξισώσεις, καθιστώντας την παραδοσιακή αριθμητική πρόγνωση υπολογιστικά απαιτητική και συχνά ανεπαρκώς ακριβή. Η παρούσα εργασία στοχεύει στη βελτίωση της ακρίβειας των προγνώσεων σημαντικού ύψους κύματος στη Μεσόγειο Θάλασσα, αξιοποιώντας τεχνικές τεχνητής νοημοσύνης και δορυφορικές μετρήσεις. Συγκεκριμένα, χρησιμοποιούνται συνελικτικά νευρωνικά δίκτυα τύπου U-Net και ο αλγόριθμος μηχανικής μάθησης XGBoost, τα οποία εκπαιδεύονται με δεδομένα προγνωστικών αριθμητικών μοντέλων, δορυφορικές παρατηρήσεις και δεδομένα επανάλυσης (reanalysis). Τα μοντέλα U-Net αξιοποιούν χωρικά πολυκαναλικά δεδομένα, συνδυάζοντας προγνώσεις και παρατηρήσεις σε χωρικά οργανωμένα πλέγματα, ενώ το XGBoost παρέχει ένα αποδοτικό baseline βασισμένο σε τοπικά χαρακτηριστικά χωρίς χωρική πληροφορία. Η εκπαίδευση των μοντέλων πραγματοποιήθηκε με τη χρήση προηγμένων υπολογιστικών πόρων, όπως GPU Nvidia A100 μέσω της πλατφόρμας Google Colab Pro+. Τα δεδομένα περιλαμβάνουν ιστορικές προγνώσεις του Copernicus Marine Service, δορυφορικές μετρήσεις σημαντικού ύψους κύματος, και δεδομένα επανάλυσης που χρησιμεύουν ως ground truth. Η μεθοδολογία προβλέπει τη χωρική διόρθωση των αριθμητικών προγνώσεων μέσω εκμάθησης από πραγματικές παρατηρήσεις, με ξεχωριστά μοντέλα για κάθε χρονικό βάθος πρόγνωσης. Τα κύρια ευρήματα δείχνουν ότι τα U-Net μοντέλα υπερέχουν σημαντικά έναντι του XGBoost και των αρχικών προγνώσεων σε όλους τους δείκτες ακρίβειας, ιδιαίτερα σε μεγαλύτερα χρονικά βάθη. Η προσέγγιση αυτή υποδεικνύει τη μεγάλη δυναμική των βαθιών νευρωνικών δικτύων στην ακρίβεια και αξιοπιστία των θαλάσσιων προγνώσεων, με πρακτικές εφαρμογές στη βελτιστοποίηση δρομολογίων και την ασφάλεια στη ναυτιλία.