Publicación: Aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital
Portada
Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
Las técnicas de inteligencia artificial como las redes neuronales artificiales (RNA) permiten resolver una gran variedad de problemas relacionados con diferentes áreas del conocimiento tales como la medicina, la Bioinformática e incluso las telecomunicaciones. En muchos casos, las redes neuronales se utilizan para predecir el comportamiento de una variable con base en datos históricos previos y en un conjunto de variables predictoras. En este artículo se aborda el problema particular de la reconstrucción de información faltante de las estaciones meteorológicas utilizando RNAs. La falta de este tipo de información afecta principalmente los estudios climáticos en los que se utiliza información meteorológica. Estos estudios pueden permitir evitar las amenazas significativas en el desarrollo sustentable de nuestra sociedad, los recursos naturales, especies y la misma vida del ser humano. En este artículo se proponen modelos basados en redes neuronales artificiales e información satelital para el llenado de datos faltantes en las estaciones meteorológicas y reconstrucción espacial de las variables de precipitación y temperatura para la región de Departamento de Valle del Cauca, Colombia. Los resultados obtenidos alcanzan los coeficientes de correlación de alrededor de 0.9, con errores más pronunciados en cerca de 50 mm/mes en precipitación y 2 °C en temperatura.
Resumen en inglés
Artificial intelligence techniques such as artificial neural networks (ANN) allow solving a wide variety of problems related to different areas of knowledge such as medicine, Bioinformatics and even telecommunications. In many cases, neural networks are used to predict the behavior of a variable based on previous historical data and a set of predictor variables. This article deals with the particular problem of the reconstruction of missing information from meteorological stations using ANNs. The lack of this type of information mainly affects climate studies in which meteorological information is used. These studies can make it possible to avoid significant threats to the sustainable development of our society, natural resources, species and the very life of the human being. This article proposes models based on artificial neural networks and satellite information for the filling of missing data in meteorological stations and spatial reconstruction of the variables of precipitation and temperature for the Valle del Cauca, Colombia. The results obtained reach the correlation coefficients of around 0.9, with more pronounced errors in about 50 mm/month in precipitation and 2 °C in temperature.