Seminario | “An unsupervised deep anomaly detection model combined with extreme value theory: Detecting sudden stratospheric warming events”

13 junio 2025 | 12:00 h

Comparte

Seminario organizado por el grupo de Termodinámica y Computación Cuántica, a cargo de Khulan Myanmar (Universidad de  Mongolia). El seminario es accesible para los estudiantes de grado, a los que se recomienda que asistan.

Resumen:  Sudden stratospheric warming (SSW) events represent intense meteorological phenomena characterized by rapid and significant temperature increases within the polar stratosphere. These events can have a considerable impact on extreme weather conditions in mid-latitude countries. However, research on the estimation and detection of SSW remains limited. This study aims to develop a novel method for detecting SSW events using unsupervised deep anomaly detection algorithms. By leveraging unsupervised learning, patterns and structures in data can be rec- ognized, facilitating the development of predictive models without prelabelled datasets. The long short-term memory-autoencoder (LSTM-AE) with correlation weighting function model were used for the predicting and extreme value distributions (EVD) were applied for detecting anomaly. National Centres for Environmental Prediction (NCEP) and the National Centre for Atmospheric Research (NCAR) reanalysis1 temperature and zonal wind data were used for model training, whereas ERA5 reanalysis data were used for validation. This study focuses on the Northern Hemisphere (60°N-90°N) at the 10 hPa pressure level from 1979–2023. The results of this study indicate that the LSTM-AE-peaks over threshold (LSTM-AE-POT) hybrid model with dynamic correlation weighting loss function is the most effective for accurately predicting separate and joint fluctuations to detect the SSW events. Performance evaluation is conducted using confusion matrix-based metrics and temporal consistency metrics. The results demonstrate that the LSTM-AE-POT hybrid model identifies long-term, persistent anomalies with high accuracy and consistency. Additionally, the results of the validation confirm the model’s stability and smooth detection performance for SSW events.


  • Fecha: viernes 13 de junio de 2025
  • Lugar: Laboratorio de Fïsica Computacional, Dept de Electromagnetismo y Física de al Materia, Planta Baja, Facultad de Ciencias (junto al péndulo gigante)
  • Horario: 12:00 h.
  • Organiza: grupo de Termodinámica y Computación Cuántica
  • Más información: Michalis Skotiniotis | mskotiniotis@onsager.ugr.es
Seminario | “An unsupervised deep anomaly detection model combined with extreme value theory: Detecting sudden stratospheric warming events”
Pincha para ampliar
Fechas y horarios
13 junio 2025 | 12:00 h
Canal UGR
Resumen de privacidad

La presente política de cookies tiene por finalidad informarle de manera clara y precisa sobre las cookies que se utilizan en la página web de la Universidad de Granada.

¿Qué son las cookies?

Una cookie es un pequeño fragmento de texto que los sitios web que visita envían al navegador y que permite que el sitio web recuerde información sobre su visita, como su idioma preferido y otras opciones, con el fin de facilitar su próxima visita y hacer que el sitio le resulte más útil. Las cookies desempeñan un papel muy importante y contribuyen a tener una mejor experiencia de navegación para el usuario.

Tipos de cookies

Según quién sea la entidad que gestione el dominio desde dónde se envían las cookies y se traten los datos que se obtengan, se pueden distinguir dos tipos: cookies propias y cookies de terceros.

Existe también una segunda clasificación según el plazo de tiempo que permanecen almacenadas en el navegador del cliente, pudiendo tratarse de cookies de sesión o cookies persistentes.

Por último, existe otra clasificación con cinco tipos de cookies según la finalidad para la que se traten los datos obtenidos: cookies técnicas, cookies de personalización, cookies de análisis, cookies publicitarias y cookies de publicidad comportamental.

Para más información a este respecto puede consultar la Guía sobre el uso de las cookies de la Agencia Española de Protección de Datos.

Cookies utilizadas en la web

A continuación se identifican las cookies que están siendo utilizadas en este portal así como su tipología y función.

La página web de la Universidad de Granada utiliza Google Analytics, un servicio de analítica web desarrollada por Google, que permite la medición y análisis de la navegación en las páginas web. En su navegador podrá observar cookies de este servicio. Según la tipología anterior se trata de cookies propias, de sesión y de análisis.

A través de la analítica web se obtiene información relativa al número de usuarios que acceden a la web, el número de páginas vistas, la frecuencia y repetición de las visitas, su duración, el navegador utilizado, el operador que presta el servicio, el idioma, el terminal que utiliza y la ciudad a la que está asignada su dirección IP. Información que posibilita un mejor y más apropiado servicio por parte de este portal.

Para garantizar el anonimato, Google convertirá su información en anónima truncando la dirección IP antes de almacenarla, de forma que Google Analytics no se usa para localizar o recabar información personal identificable de los visitantes del sitio. Google solo podrá enviar la información recabada por Google Analytics a terceros cuanto esté legalmente obligado a ello. Con arreglo a las condiciones de prestación del servicio de Google Analytics, Google no asociará su dirección IP a ningún otro dato conservado por Google.

Por último, se descarga una cookie denominada cookie_agreed, propia, de tipo técnico y de sesión. Gestiona el consentimiento del usuario para el uso de las cookies en la página web. El objetivo es recordar aquellos usuarios que las han aceptado y aquellos que no, de modo que a los primeros no se les muestre información en la parte inferior de la página al respecto.

Cómo modificar la configuración de las cookies

Usted puede restringir, bloquear o borrar las cookies de la Universidad de Granada o cualquier otra página web, utilizando su navegador. En cada navegador la operativa es diferente, la función de 'Ayuda" le mostrará cómo hacerlo.