SciELO - Scientific Electronic Library Online

 
vol.17 issue34Electrochemical behavior of 316L, 316L nitrided and F1586 steels in simulated body fluidOptimal Sensor Placement of a Box Girder Bridge Using Mode Shapes Obtained from Numerical Analysis and Field Testing author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Revista EIA

Print version ISSN 1794-1237On-line version ISSN 2463-0950

Abstract

MUNOZ-HERRERA, Wilmer; FERNANDO-BEDOYA, Oscar  and  EDILBERTO-RINCON, Mauricio. Aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital. Rev.EIA.Esc.Ing.Antioq [online]. 2020, vol.17, n.34, pp.73-88.  Epub Aug 28, 2021. ISSN 1794-1237.  https://doi.org/10.24050/reia.v17i34.1292.

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.

Keywords : Redes Neuronales; Llenado de Datos Faltantes; Sensores Remotos; Series de Tiempo.

        · abstract in English     · text in Spanish     · Spanish ( pdf )