Emulating the South Asian Atmospheric Variations: Framework and Inter-Comparison of Deep Learning Models
Este estudio presenta un marco de aprendizaje profundo que emula con éxito las variaciones atmosféricas de alta resolución en el sur de Asia, incluyendo los campos meteorológicos y el ozono, mediante el entrenamiento de cuatro arquitecturas diferentes con datos de WRF-Chem, donde el modelo UNet-3blk logra un rendimiento óptimo a pesar de los desafíos para reproducir la variabilidad de PM2.5.