Modelado espacio temporal con redes neuronales para la predicción de fenómenos ambientales

• Autores: Marc Semper Lloret
• Directores de la Tesis: Manuel Curado Navarro (dir. tes.), José F. Vicent Francés (dir. tes.)
• Lectura: En la Universitat d'Alacant / Universidad de Alicante ( España ) en 2025
• Idioma: español
• Número de páginas: 142
• Tribunal Calificador de la Tesis: María Victoria Herranz Cuadrado (presid.), Carlos Quesada Granja (secret.), Enrique Onieva Caracuel (voc.)
• Enlaces
  • Tesis en acceso abierto en: rua.ua.es
• Resumen

  • Esta tesis aborda el modelado espacio-temporal de fenómenos ambientales mediante aprendizaje profundo basado en grafos. Se proponen y comparan arquitecturas GNN (GCN, GraphSAGE, GAT) y variantes híbridas con CNN/LSTM/TCN/Transformers para la predicción de AOD550, calidad del aire urbana y contaminación acústica. La metodología integra reanálisis ERA5 y observaciones locales, con protocolos de validación reproducibles y métricas estándar (RMSE, MAE, R²). Se incluyen análisis de explicabilidad para identificar teleconexiones y patrones espaciales relevantes, así como una discusión de incertidumbre y robustez. Los resultados muestran mejoras consistentes frente a baselines y ofrecen guías prácticas para el diseño de modelos espacio-temporales en ciencias ambientales.