Uma estrutura de avaliação multidimensional para previsões do estado dos oceanos baseadas em inteligência artificial

As previsões do estado dos oceanos baseadas em inteligência artificial agora se aproximam ou superam aquelas produzidas por sistemas operacionais de previsão dos oceanos, conforme medido por métricas pontuais convencionais. As previsões do estado dos oceanos baseadas na inteligência artificial (IA) aproximam-se agora ou ultrapassam as produzidas por sistemas operacionais de previsão dos oceanos, conforme medido por métricas pontuais convencionais.

No entanto, estas métricas podem favorecer previsões espacialmente suavizadas e não podem determinar se as variáveis ​​de previsão permanecem fisicamente coerentes. A avaliação das previsões deve, portanto, ir além da precisão pontual geral para avaliar a confiabilidade das previsões.

Propomos uma estrutura multidimensional que compreende precisão pontual geral, consistência física e consistência distributiva. A consistência física avalia os equilíbrios dinâmicos usando apenas os resultados do modelo.

E a consistência distributiva avalia caudas de distribuição e estruturas espaciais multiescala. Três modelos de IA foram implantados como bancos de testes representativos em um ambiente operacional unificado.

Esta avaliação abrangente mostra que erros pontuais globais mais baixos não podem impedir desequilíbrios dinâmicos substanciais e suprimir a variância em escala fina. Por outro lado, erros pontuais mais elevados podem surgir do deslocamento espacial de estruturas coerentes, em vez de uma má representação da sua amplitude.

Os resultados demonstram que a avaliação dos modelos de previsão oceânica da IA ​​deve basear-se na avaliação multidimensional da fiabilidade das previsões, em vez de depender apenas de uma única métrica.

Fonte