Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/20.500.11765/16886
NN4CAST: una aplicación de red neural de extremo a extremo para predicciones climáticas estacionales
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorGalván Fraile, Víctores_ES
dc.contributor.authorRodríguez Fonseca, Belénes_ES
dc.contributor.authorMartín del Rey, Martaes_ES
dc.contributor.authorPolo Sánchez, Irenees_ES
dc.date.accessioned2025-07-24T08:18:40Z-
dc.date.available2025-07-24T08:18:40Z-
dc.date.issued2024-
dc.identifier.citationXXXVI Jornadas Científicas de la Asociación Meteorológica Española y XXII Encuentro Hispano-Luso de Meteorología (2024)es_ES
dc.identifier.urihttp://hdl.handle.net/20.500.11765/16886-
dc.descriptionResumen de la ponencia presentada en: XXXVI Jornadas Científicas de la AME y el XXII Encuentro Hispano Luso de Meteorología celebrado en Cádiz y San Fernando del 13 al 15 de marzo de 2024.es_ES
dc.description.abstractSeasonal climate prediction is critical for decision-making across sectors, but current dynamical models have limitations. Traditional statistical and recent data-driven approaches offer promise but face challenges. NN4CAST is a specialized Python library, which applies deep learning techniques to address these challenges by enabling nonlinear statistical analysis of teleconnections in climate data. This tool represents a significant advancement in seasonal forecasting, with potential applications in practical decision-making. Examples demonstrate its effectiveness in predicting key variables impacting the Iberian Peninsula.es_ES
dc.language.isospaes_ES
dc.publisherAsociación Meteorológica Españolaes_ES
dc.publisherAgencia Estatal de Meteorologíaes_ES
dc.rightsLicencia CC: Reconocimiento–NoComercial–SinObraDerivada CC BY-NC-NDes_ES
dc.subjectNN4CASTes_ES
dc.subjectRed neurales_ES
dc.subjectPredicciones climáticas estacionaleses_ES
dc.titleNN4CAST: una aplicación de red neural de extremo a extremo para predicciones climáticas estacionaleses_ES
dc.title.alternativeNN4CAST: an end-to-end neural network application for seasonal climate forecastses_ES
dc.typeinfo:eu-repo/semantics/conferenceObjectes_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
Colecciones: 36ª Jornadas Científicas de la AME (2024)


Ficheros en este ítem:
  Fichero Descripción Tamaño Formato  
XXXVI_JAME_Galvan_Fra...
300,9 kBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem



Los ítems de Arcimis están protegidos por una Licencia Creative Commons, salvo que se indique lo contrario.

Repositorio Arcimis
Nota Legal Contacto y sugerencias