Redes neurononales para modelar prediccion de heladas

Abstract

En este trabajo se desarrollaron modelos basados en redes neuronales del tipo backpropagation, para predecir la ocurrencia de heladas, a partir de datos meteorologicos de temperatura, humedad relativa, nubosidad, direccion y velocidad del viento. El entrenamiento y la validacion de las redes se realizaron utilizando 24 años de datos meteorologicos correspondientes a la Estación de Rio Cuarto, Cordoba, Argentina, separados en 10 años como conjunto de datos de entrenamiento y 14 como conjunto de datos de validacion. Se construyeron diferentes modelos para evaluar el comportamiento de las redes cuando se usan distintos numeros de variables de entrada y/o neuronas en la capa oculta y las probabilidades de aciertos en los resultados de prediccion para los mismos, al considerar distintas variables de entrada. En los modelos realizados, el porcentaje de dias con error de pronostico fue de 2%, aproximadamente, para 14 años de aplicacion; cuando se consideran dias de heladas efectivas no pronosticadas los porcentajes oscilan entre un 10% y un 23%, para el mismo periodo. Los resultados de la simulacion muestran el buen desempeño y la pertinencia general de esta metodologia en la estimacion de fenomenos de comportamiento no lineal como las heladas