Imputación y predicción de datos de precipitación pluvial vía redes neuronales

Ponente(s): Luis Javier Álvarez Noguera, Octavio Barahona, Antonio Sarmiento
La predicción de lluvia es importante por muchas razones. La variabilidad de la precipitación pluvial es, sin embargo, muy difícil ya que depende de una serie de factores físicos. Debido a la complejidad de los procesos atmosféricos por los cuales se genera la precipitación pluvial no es posible, de manera sencilla, predecir su comportamiento. Desde hace más de una década se han usado redes neuronales artificiales (RNA) para elaborar modelos para la predicción del comportamiento de la precipitación pluvial, sin embargo, en México, se han usado poco. En este trabajo se presentan los resultados del uso de RNA para ese fin. Basándose en datos del Servicio Meteorológico Nacional de precipitación pluvial en una serie de estaciones del estado de Morelos, se diseñó y entrenó una RNA con los propósitos de imputar datos y de explorar sus capacidades predictivas. La RNA consiste de una capa de neuronas de entrada, de una capa de cinco neuronas ocultas, y de una de salida. Usando el esquema de alimentación hacia adelante, se lograron imputaciones y predicciones con alta confiabilidad en series de tiempo de estaciones con datos de 1960 a 2014.