Técnicas de aprendizaje automático para la optimización de los radios de influencia en asimilación de datos basada en ensembles

Abstract

La asimilación de datos basada en ensambles combina modelos numéricos con observaciones ruidosas para estimar el estado de sistemas dinámicos de alta dimensión. Cuando el tamaño del ensemble es pequeño en relación con la dimensión del estado, las covarianzas muestrales se contaminan con correlaciones espúreas de largo alcance que provocan la divergencia del filtro. La solución estándar, la localización, suprime dichas correlaciones más allá de un radio de influencia r cuyo valor óptimo depende de la configuración y, en la práctica, se elige manualmente. Esta tesis desarrolla, implementa y valida empíricamente una tubería de aprendizaje supervisado que predice radios por componente a partir de estadísticos del ensamble disponibles en tiempo de despliegue, como compañera empírica de un manuscrito en preparación con el director de tesis. Se extrae un vector de 21 características por componente en cada ciclo, un protocolo de etiquetado oracular con información privilegiada genera los objetivos, y tres familias de regresores (Ridge, árboles potenciados por gradiente, perceptrón multicapa) se entrenan y se despliegan en lazo cerrado sobre el banco de pruebas Lorenz-96 bajo tres formulaciones de filtro con interfaz uniforme. En configuraciones frágiles el regresor entrenado reduce el RMSE de análisis desplegado hasta en un 52 % en la media y un 98 % en la desviación estándar entre semillas; es neutro en configuraciones benignas. Supera además a las metaheurísticas ACO, GA y SA en la celda frágil con un costo por ciclo aproximadamente veinte veces menor. Se articula como recomendación para la literatura la distinción entre fidelidad de etiqueta y RMSE desplegado.