Modelización del comportamiento de la temperatura del aire en superficie usando redes neuronales

Resumen

Se desarrolla un modelo de predicción basado en redes neuronales y se aplica a las series de temperatura Máxima Media (TMaxMed) y mínima media (TminMed) obtenidas en estaciones de la Meseta Central española, Se ha empleado un perceptron multicapa. Para el entrenamiento se usó el algoritmo de retropropagación y variantes. Los patrones de entrenamiento y prueba fueron partes de la serie de igual longitud y desfasados en un instante de tiempo. En primer lugar se configura el modelo y se determina el tratamiento previo de los datos con los que el modelo presenta un mejor rendimiento. Se realiza de forma experimental a partir de las series de TminMed observadas en la estación meteorológica de Ávila y se determinan aspectos tales como la longitud de los patrones, número de patrones de entrenamiento y prueba, funciones de activación, algoritmo de entrenamiento, condición de fin de entrenamiento y número de neuronas de la capa oculta. Se han aplicado tratamientos previos de diferenciación, desestacionalización, anomalías y estandarización de las series de datos. La metodología se aplica en dos modalidades: local y regional. En la local el modelo se entrena con patrones correspondientes a una sola estación y en la regional con patrones correspondientes a estaciones meteorológicas de una misma región. El modelo ha sido validado con el coeficiente de determinación y MSE entre series reales y simuladas, y las correspondientes gráficas de secuencia y dispersión. Los resultados obtenidos se comparan con los obtenidos con modelos ARIMA. El modelo diseñado proporciona resultados que muestran un alto grado de concordancia con las series de valores reales. Las secuencias de las series simuladas mantienen las características de evolución y tendencia de las reales, lo que no sucede con los modelos ARIMA. El modelo regional mejora ligeramente los resultados del local.