Registro académico

Publicaciones.

Archivo acumulativo de artículos revisados por pares sobre selección fiable de modelos, aprendizaje en grafos y predicción ambiental.

9 artículos científicos3 años9 registros DOI

Identidad de autor: Marc Semper Lloret publica su trabajo científico como Marc Semper. Registro revisado el 25 de agosto de 2026.

RSSGoogle ScholarORCID

2026

7 artículos científicos
01Journal article2026

Graph-based multivariable bias correction of meteorological variables under strict temporal validation in a western mediterranean region prone to atmospheric instability

Marc Semper, Manuel Curado, Jose F. Vicent

Journal of Computational Science, article 102988, 2026

Los reanálisis atmosféricos globales como ERA5 presentan sesgos orográficos y costeros sistemáticos que distorsionan modelos hidrológicos y de riesgo. Integrar la red de estaciones meteorológicas de AVAMET en una topología de grafo espacial mediante GraphSAGE y Jumping Knowledge permite corregir múltiples variables de forma simultánea. Bajo una estricta partición cronológica, el enfoque en grafos reduce el error hasta en un 81% en presión, humedad, temperatura y viento frente a modelos clásicos, delimitando a su vez las fronteras operativas en precipitación extrema.

02Journal article2026

Out-of-sample statistical correctability limits under an uncertain operational reference: the case of IMERG sub-daily areal precipitation extremes

Marc Semper, Manuel Curado, Jose F. Vicent, Leandro Tortosa

Stochastic Environmental Research and Risk Assessment, vol. 40, no. 8, article 202, 2026

La corrección de extremos satelitales subdiarios de precipitación (GPM IMERG V07) mediante aprendizaje automático se complica cuando la propia referencia en superficie presenta incertidumbre observacional. La evaluación de modelos tabulares (LightGBM) y redes convolucionales (CNN) bajo particiones estrictas por año, provincia y evento demuestra que el post-procesamiento continuo reduce eficazmente el error global, pero la reconstrucción determinista de colas extremas alcanza límites estructurales. En su lugar, el modelado probabilístico de superación de umbrales se consolida como la salida operativa más sólida para alerta temprana.

03Journal article2026

Performance limits of GPM IMERG for sub-daily precipitation extremes over the Comunitat Valenciana, eastern Spain: Representativeness, attenuation, and pixel-scale displacement

Marc Semper, Manuel Curado, Jose F. Vicent, Leandro Tortosa

Atmospheric Research, article 109244, 2026

Las estimaciones satelitales de precipitación suelen presentar discrepancias críticas durante episodios torrenciales mediterráneos debido a la rápida convección y la orografía escarpada. Auditar el producto semihorario GPM IMERG frente a redes pluviométricas de alta densidad cuantifica desplazamientos espaciales por píxel, atenuaciones severas de picos e incertidumbres de muestreo, delimitando con precisión su validez empírica en modelización hidrológica y alertas por inundación.

04Journal article2026

A practical decision-support system for robust post-training model selection in spatiotemporal forecasting

Marc Semper, Manuel Curado, Jose F. Vicent, Leandro Tortosa

Knowledge-Based Systems, article 116673, 2026

Seleccionar el mejor modelo predictivo a partir de un único conjunto de validación limpio suele generar decisiones de despliegue frágiles ante referencias de evaluación incompletas, degradadas o desplazadas en entornos reales. Reevaluar predicciones fijas bajo perturbaciones plausibles, comparar la inestabilidad de elección con la varianza del entrenamiento y ajustar presupuestos de pérdida controlada convierte la selección de modelos en un sistema auditable de apoyo a la decisión.

05Journal article2026

Multi-Dataset Training for Improved Accuracy in Spatio-Temporal Problems: An Explainable Analysis

Javier García-Sigüenza, Alberto Real-Fernández, Faraón Llorens-Largo, Rafael Molina-Carmona, Marc Semper

Mathematics, vol. 14, no. 5, article 908, 2026

Las arquitecturas de predicción en grafos suelen entrenar representaciones de nodos desde cero y de forma aislada para cada conjunto de datos. Extraer subgrafos de múltiples redes espacio-temporales y transferir los embeddings aprendidos permite reutilizar conocimiento estructural entre dominios, mejorando la precisión predictiva en tareas de destino y aportando explicabilidad sobre el espacio latente compartido.

06Journal article2026

Global forecasting of aerosol optical depth through a deep learning spatiotemporal modeling

Marc Semper, Manuel Curado, Jose F. Vicent

International Journal of Environmental Science and Technology, vol. 23, no. 1, article 69, 2026

Predecir la distribución global de aerosoles atmosféricos exige capturar tanto el transporte espacial a escala planetaria como dinámicas temporales en múltiples frecuencias. La combinación de observaciones de CAMS con variables meteorológicas de ERA5 en una arquitectura híbrida (MultiscaleTCNGraphSAGE) supera a transformadores y modelos de grafos de referencia, mejorando notablemente la estimación de episodios de polvo y contaminación extrema.

07Journal article2026

Spatio-temporal graph neural network for inter-city air quality forecasting

Jose F. Vicent, Manuel Curado, Marc Semper

International Journal of Environmental Science and Technology, vol. 23, no. 1, article 63, 2026

La concentración de contaminantes atmosféricos en una estación depende tanto de emisiones locales y lecturas de sensores vecinos como del transporte aéreo de largo alcance entre ciudades. Combinar el paso de mensajes jerárquico con información espectral de la matriz de adyacencia (mediante descomposición en valores singulares) permite modelar simultáneamente dinámicas locales y estructurales en la red nacional de monitorización.

2025

1 artículos científicos
01Journal article2025

Noise Pollution Prediction in a Densely Populated City Using a Spatio-Temporal Deep Learning Approach

Marc Semper, Manuel Curado, Jose Luis Oliver, Jose F. Vicent

Applied Sciences, vol. 15, no. 10, article 5576, 2025

La contaminación acústica en grandes urbes combina ritmos temporales marcados por la actividad humana con dependencias espaciales fijadas por la morfología y el trazado de la ciudad. Una arquitectura híbrida que une convoluciones temporales 1D, memoria recurrente LSTM y capas de transformadores de grafos (CNN1D+LSTM+TransformerConv) alcanza una alta precisión predictiva sobre la red de sensores de Madrid.

2024

1 artículos científicos
01Journal article2024

Global forecasting of carbon concentration through a deep learning spatiotemporal modeling

Marc Semper, Manuel Curado, Jose F. Vicent

Journal of Environmental Management, vol. 371, article 122922, 2024

Proyectar las concentraciones globales de dióxido de carbono y metano a seis meses vista requiere integrar observaciones por satélite con covariables ambientales dinámicas y estáticas. Modelar el sistema de monitorización planetario mediante redes neuronales de grafos espacio-temporales supera a los enfoques exclusivamente temporales, demostrando el valor de representar explícitamente la conectividad espacial global en los gases de efecto invernadero.

Citación reproducible

Cada publicación tiene su propia vista permanente.

Las páginas individuales proporcionan el registro bibliográfico completo, el resumen del autor, contexto en lenguaje claro, enlaces DOI y formato BibTeX exportable.