SciELO - Scientific Electronic Library Online

 
vol.29 número4Influencia del Y Plus en el Valor del Esfuerzo Cortante de Pared a través Simulaciones empleando Dinámica Computacional de FluidosCodificación Esteganográfica usando la Transformada de Onditas Haar Discreta Multi-resolución índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

  • Em processo de indexaçãoCitado por Google
  • Não possue artigos similaresSimilares em SciELO
  • Em processo de indexaçãoSimilares em Google

Compartilhar


Información tecnológica

versão On-line ISSN 0718-0764

Resumo

JIMENEZ-CARRION, Miguel; GUTIERREZ-SEGURA, Flabio  e  CELI-PINZON, Jorge. Modelado y Predicción del Fenómeno El Niño en Piura, Perú mediante Redes Neuronales Artificiales usando Matlab. Inf. tecnol. [online]. 2018, vol.29, n.4, pp.303-316. ISSN 0718-0764.  http://dx.doi.org/10.4067/S0718-07642018000400303.

Se ha aplicado redes neuronales artificiales a los datos climáticos de precipitación, temperaturas superficiales de mar en diferentes zonas calificadas como Niño y la velocidad de los vientos alisios con el fin de modelar y predecir el fenómeno El Niño, con seis meses de anticipación a la presencia del mismo. El estudio se realiza en Piura, Perú. Se realiza un análisis preliminar de la información para determinar el grado de correlación entre las variables, luego se ha diseñado el modelado en dos fases, la primera usa las redes neuronales para modelar las variables como series temporales y en la segunda fase se diseña una red neuronal usando MatLab para que simule el comportamiento de las precipitaciones en Piura. Los resultados del estudio muestran que las redes neuronales son una técnica altamente confiable para encontrar un patrón de comportamiento de las precipitaciones y luego para predecir el fenómeno alcanzando una tasa de acierto del 98.4% en la etapa de entrenamiento y de 100% en la predicción del primer semestre del año 2016.

Palavras-chave : modelación; predicción; el Niño; clima; redes neuronales; inteligencia artificial.

        · resumo em Inglês     · texto em Espanhol     · Espanhol ( pdf )