Modelo de pronóstico de precipitación para la ciudad de Managua utilizando redes neuronales artificiales en el contexto de la gestión ambiental
En este trabajo se propone un modelo numérico de pronóstico de precipitación para la ciudad de Managua, a partir de datos obtenidos por las estaciones meteorológicas: Managua, La Primavera y Casa Colorada (El Crucero), información proporcionada por el Instituto Nicaragüense de Estudios Territoriale...
| Autor Principal: | Ortíz, Alina María |
|---|---|
| Formato: | Artículo |
| Idioma: | Español Español Español Español |
| Publicado: |
Universidad Nacional Autónoma de Nicaragua, Managua
2019
|
| Materias: | |
| Acceso en línea: |
http://repositorio.unan.edu.ni/18150/ http://repositorio.unan.edu.ni/18150/ http://repositorio.unan.edu.ni/18150/ http://repositorio.unan.edu.ni/18150/1/cover_issue_1220_es_ES.png http://repositorio.unan.edu.ni/18150/2/31307.pdf http://repositorio.unan.edu.ni/18150/3/31308.pdf http://repositorio.unan.edu.ni/18150/4/cc.jpg |
| Sumario: |
En este trabajo se propone un modelo numérico de pronóstico de precipitación para la ciudad de Managua, a partir de datos obtenidos por las estaciones meteorológicas: Managua, La Primavera y Casa Colorada (El Crucero), información proporcionada por el Instituto Nicaragüense de Estudios Territoriales (INETER), del período correspondiente a 1950-2014 y otras variables climatológicas como la Oscilación Ártica (AO), Oscilación del Atlántico Norte (NAO), Índice de Oscilación del Sur (SOI), Índice de Anomalía de la Media Mensual de la Temperatura de la Superficie del Mar (TSM) en el Atlántico tropical Norte, región 5.5º N - 23.5º N y 57.5º W - 15º W (TNA) y el índice oceánico del NIÑO (ONI), a través de teleconexiones. Para la elaboración del modelo se realizó la selección y correlación de variables a través de métodos estadísticos y para encontrar la relación entre estas variables se seleccionó un perceptrón multicapa que es una Red Neuronal Artificial, cuya arquitectura en este caso está compuesta por; una capa de entrada, una capa oculta y una capa de salida. Esta red ha sido entrenada mediante aprendizaje supervisado a través del algoritmo de backpropagation. Dicha red se utilizará para predecir condiciones climáticas en la ciudad, lo cual permitirá contribuir con la toma decisiones acerca del manejo y planificación de las actividades sensibles al clima para hacer frente a posibles desastres naturales. |
|---|