Sistema de pronóstico meteorológico marítimo de alta resolución utilizando IA y datos de fuentes abiertas

Abstract

Este trabajo aborda la necesidad crítica de la Armada de Colombia de contar con pronósticos meteorológicos marítimos precisos y oportunos. Presenta el desarrollo de un sistema de pronóstico de alta resolución para las aguas del Pacífico y el Atlántico colombianos, basado en técnicas de aprendizaje profundo. La metodología se centró en la recopilación y el procesamiento de datos históricos del reanálisis ERA5 para una región estratégicamente importante, con el fin de capturar fenómenos climáticos clave como el ENSO. Se desarrolló un modelo predictivo para pronosticar un "panel" de variables operativas, incluyendo la altura de las olas, el viento y la temperatura. El rendimiento del modelo se evalúa con métricas estándar como la pérdida, el MAE y el RMSE. Como resultado final, se propone un modelo integrado en un contenedor Docker y expuesto mediante una API RESTful para uso operativo, lo que proporciona a la Armada una herramienta robusta y específica para sus áreas de operación.

This work addresses the critical need of the Colombian Navy to have accurate and timely maritime weather forecasts. It presents the development of a high-resolution forecasting system for Colombian Pacific and Atlantic waters, based on Deep Learning techniques. The methodology focused on the collection and processing of historical data from the ERA5 reanalysis for a strategically important region, to capture key climate phenomena such as ENSO. A predictive model was developed to forecast a "dashboard" of operational variables, including wave height, wind, and temperature. The model's performance is evaluated against standard metrics such as Loss, MAE, and RMSE. As a final deliverable, a model integrated into a Docker container and exposed via a RESTful API for operational use is proposed, providing the Navy with a robust and specific tool for its areas of operation.