Este artículo presenta un novedoso modelo de pronóstico por conjuntos para el fenómeno de El Niño Oscilación del Sur (ENSO), un escenario desafiante para el pronóstico a largo plazo. Los modelos multimodales de pronóstico ENSO (MEF) existentes utilizan 80 pronósticos por conjuntos de dos módulos de aprendizaje profundo: una CNN 3D y un módulo de series de tiempo. Sin embargo, la ponderación y evaluación de los miembros individuales del conjunto son limitadas. Este estudio modela directamente la similitud entre los 80 miembros del conjunto mediante análisis basado en grafos, identificando y agrupando pronósticos similares y precisos. Se utiliza un método de detección de comunidades para obtener un subconjunto optimizado de 20 miembros, que luego se promedian para producir el pronóstico final. Este método mejora el rendimiento del pronóstico al eliminar el ruido y enfatizar la consistencia del conjunto, lo que resulta en resultados más estables y consistentes, especialmente en situaciones de pronóstico a largo plazo. Además, debido a que es independiente del modelo, se puede aplicar a una variedad de modelos de pronóstico.
