Redes Neuronales Artificiales como Modelo de Prediccion de los Factores Climaticos en Nicaragua en el Periodo 2021-2022
Resumen
El objetivo, está basado en las Redes Neuronales Artificiales, pueden ser utilizados como modelo de predicción de factores climáticos en Nicaragua, estudiado en el periodo 2021-2022. De acuerdo a los resultados se observa una proyección de la precipitación del año 2023 a partir del algoritmo de la RNA, el comportamiento en el año 2023 está por debajo de las líneas tendencias de la precipitación de los años 2021 y 2022, es seguro a la manifestación del fenómeno del Niño. El fenómeno del Niño modifica el patrón de las condiciones hidrometeorológicas. Para el caso de la temperatura, el comportamiento en el año 2023 está por debajo de las líneas tendencias de la temperatura de los años 2021 y 2022. El resultado de la temperatura muestra una variabilidad en los años 2021, 2022 y 2023. De manera general, las RNA como una herramienta de la inteligencia artificial pueden ser usado en los modelos de predicción. El algoritmo desarrollado, composición básica de neuronas, son las unidades básicas del modelo, cada neurona recibe una serie de entradas, que llevaran un peso, emitiendo una salida. Las entradas, son el promedio de las magnitudes de la precipitación y/o temperatura, el peso que se da está en el rango de 0 a 1, las salidas son los resultados obtenidos en el año 2023. En el contexto de la crisis climática, como aportes del modelo predictivo, se puede gestionar los riesgos de desastres con eficacia si se incluyen aspectos relativos a esos riesgos en la planificación de desarrollo tanto a nivel de la comunidad, municipio y/o territorios.
Descargas
Citas
Cervantes-Osorio, R., Arteaga-Ramírez, R., Vázquez-Peña, M., & Quevedo-Nolasco, A. (2011). Redes neuronales artificiales en la estimación de la evapotranspiración de referencia. Revista mexicana de ciencias agrícola, 433-447.
Chevez, C. R., Pinell, F., & Mejía Quiroz, Á. A. (2022). Simulación del proceso de recarga para Aguas Subterráneas utilizando Redes Neuronales Artificiales como Método de Aproximación en el Acuífero Las Sierras, Nicaragua. Torreón Universitario, 112-125.
Gomes Villa Trinidad, G. (2017). Modelo de predicción de aportaciones mensuales utilizando Redes Neuronales Artificiales. Aplicación a la cuenca del río Amambaí (Brasil).
Granizo Rojas, R. (2020). Modelo para la predicción y evaluación de la demanda de agua potable de Emapala EP mediante redes neuronales artificiales. . Bachelor´s thesis.
Labajo, A., & Labajo, J. (2010). Una red neuronal como herramienta de predicción de variables climaticas. Apliación a la temperatura mínima media mensual en Castilla y León. Acta de las Jornadas Científicas de la Asociación Meteorológica Española, 31.
Ortíz, A. M. (2019). Modelo de pronóstico de precipitación para la ciudad de Managua utilizando redes neuronales artificiales en el contexto de la gestión ambiental. Torreon Universitario, 38-47.
Pabón Caicedo, J. D., Eslava Ramírez, J. A., & Gómez Torres, R. E. (2001). Generadidades de la distribución espacial y temporal de la temperatura del aire y de la precipitación en Colombia. Meteorología Colombiana, 47-59.
Péreza, M., Valenciab, E., Guzmánb, D., & Rosíquezb, M. (s.f.). Predicción de inundaciones usando modelos de tanque y redes neuronales artificiales.
Picado, V. (2023). Análisis de datos con el arreglo de diferencias finitas en el contexto de la Crisis Climática Global. Ciencia Latina Revista Científica Multidisciplinar, 4160-4182.
Picado, V., & Chavarría, L. (2023). Modelo para la determinación de la vulnerabilidad social y riesgo por inundaciones en la unidad hidrológica Chinandega-León, como estrategia de adaptación al cambio climático, Nicaragua. Project Design and Management, 2.
Rafael-Miñope, W., Vilcherres-Lizárraga, P., Muñoz-Pérez, S., Tuesta-Montez, V., & Mejía-Cabrera, H. (2022). Modelamiento de procesos hidologicos aplicando técnicas de ingenieria artificial: una revisión sistemática de la literatura. Iteckne, 46-60.
Ruiz Gómez, V. L., Savé Monserrat, R., Lanuza Lanuza, O. R., Herrera Herrera, A., López Benavidez, K., & Urrutia Rodríguez, J. (2021). Evolución de la temperatura y precipitación en cuatro estaciones meteorológicas, ubicadas en la región Norcentral de Nicaragua, Cenroamerica. Revista Científica de FAREM-Estelí, 197-212.
Suárez-Almiñana, S., Andreu, J., Solera, A., & Madrigal, J. (2022). Integrating seasonal forescasts into real-time drought management: Júcar River Basin case study. International Jpurnal of Disaster Risk Reduction, 102777.
Tirado Picado, V. R. (2017). Modelo de Pronostico de Precipitación utilizando Redes Neuronales Artificiales RNA. London: Editorial Académica Española.
Vásquez-Ramírez, L., & Vásquez-Paredes, L. (2023). Predicción de caudales mensuales en ríos de cuencas altoandinas con enfoque de redes neuronales artificiales. Caso: río Crisnejas, Perú. Tecnología y ciencias del agua, 124-199.
Derechos de autor 2024 Victor Rogelio Tirado Picado
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.jpg)
