Aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital
Application of neural networks for the reconstruction of time series of precipitation and temperature using satellite information
Barra lateral del artículo

Términos de la licencia (VER)

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Declaración del copyright
Los autores ceden en exclusiva a la Universidad EIA, con facultad de cesión a terceros, todos los derechos de explotación que deriven de los trabajos que sean aceptados para su publicación en la Revista EIA, así como en cualquier producto derivados de la misma y, en particular, los de reproducción, distribución, comunicación pública (incluida la puesta a disposición interactiva) y transformación (incluidas la adaptación, la modificación y, en su caso, la traducción), para todas las modalidades de explotación (a título enunciativo y no limitativo: en formato papel, electrónico, on-line, soporte informático o audiovisual, así como en cualquier otro formato, incluso con finalidad promocional o publicitaria y/o para la realización de productos derivados), para un ámbito territorial mundial y para toda la duración legal de los derechos prevista en el vigente texto difundido de la Ley de Propiedad Intelectual. Esta cesión la realizarán los autores sin derecho a ningún tipo de remuneración o indemnización.
La autorización conferida a la Revista EIA estará vigente a partir de la fecha en que se incluye en el volumen y número respectivo en el Sistema Open Journal Systems de la Revista EIA, así como en las diferentes bases e índices de datos en que se encuentra indexada la publicación.
Todos los contenidos de la Revista EIA, están publicados bajo la Licencia Creative Commons Atribución-NoComercial-NoDerivativa 4.0 Internacional
Licencia
Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-NoDerivativa 4.0 Internacional
Contenido principal del artículo
Resumen
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.
Descargas
Detalles del artículo
Wilmer Muñoz Herrera, Universidad del Valle
Ingeniero Topográfico, Maestría en Ingeniería Sistemas y Computación