Titulo:
Aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital
.
Sumario:
Las técnicas de inteligencia artificial como las redes neuronales artificiales (RNA) permiten resolver una gran variedad de problemas relacionados con diferentes áreas del conocimiento tales como la medicina, la Bioinformática e incluso las telecomunicaciones. En muchos casos, las redes neuronales se utilizan para predecir el comportamiento de una variable con base en datos históricos previos y en un conjunto de variables predictoras. En este artículo se aborda el problema particular de la reconstrucción de información faltante de las estaciones meteorológicas utilizando RNAs. La falta de este tipo de información afecta principalmente los estudios climáticos en los que se utiliza información meteorológica. Estos estudios pueden permitir evi... Ver más
Guardado en:
1794-1237
2463-0950
17
2020-06-21
1
16
Revista EIA - 2020
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
| id |
metarevistapublica_eia_revistaeia_10_article_1292 |
|---|---|
| record_format |
ojs |
| spelling |
Aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital Application of neural networks for the reconstruction of time series of precipitation and temperature using satellite information Las técnicas de inteligencia artificial como las redes neuronales artificiales (RNA) permiten resolver una gran variedad de problemas relacionados con diferentes áreas del conocimiento tales como la medicina, la Bioinformática e incluso las telecomunicaciones. En muchos casos, las redes neuronales se utilizan para predecir el comportamiento de una variable con base en datos históricos previos y en un conjunto de variables predictoras. En este artículo se aborda el problema particular de la reconstrucción de información faltante de las estaciones meteorológicas utilizando RNAs. La falta de este tipo de información afecta principalmente los estudios climáticos en los que se utiliza información meteorológica. Estos estudios pueden permitir evitar las amenazas significativas en el desarrollo sustentable de nuestra sociedad, los recursos naturales, especies y la misma vida del ser humano. En este artículo se proponen modelos basados en redes neuronales artificiales e información satelital para el llenado de datos faltantes en las estaciones meteorológicas y reconstrucción espacial de las variables de precipitación y temperatura para la región de Departamento de Valle del Cauca, Colombia. Los resultados obtenidos alcanzan los coeficientes de correlación de alrededor de 0.9, con errores más pronunciados en cerca de 50 mm/mes en precipitación y 2 °C en temperatura. Artificial intelligence techniques such as artificial neural networks (ANN) allow solving a wide variety of problems related to different areas of knowledge such as medicine, Bioinformatics and even telecommunications. In many cases, neural networks are used to predict the behavior of a variable based on previous historical data and a set of predictor variables. This article deals with the particular problem of the reconstruction of missing information from meteorological stations using ANNs. The lack of this type of information mainly affects climate studies in which meteorological information is used. These studies can make it possible to avoid significant threats to the sustainable development of our society, natural resources, species and the very life of the human being. This article proposes models based on artificial neural networks and satellite information for the filling of missing data in meteorological stations and spatial reconstruction of the variables of precipitation and temperature for the Valle del Cauca, Colombia. The results obtained reach the correlation coefficients of around 0.9, with more pronounced errors in about 50 mm/month in precipitation and 2 °C in temperature. Muñoz Herrera, Wilmer Bedoya, Oscar Fernando Rincón, Mauricio Edilberto Redes Neuronales Llenado de Datos Faltantes Sensores Remotos Series de Tiempo. Neural Networks Data Filling Remote Sensors Time Series 17 34 Artículo de revista Journal article 2020-06-21 00:00:00 2020-06-21 00:00:00 2020-06-21 application/pdf Fondo Editorial EIA - Universidad EIA Revista EIA 1794-1237 2463-0950 https://revistas.eia.edu.co/index.php/reveia/article/view/1292 10.24050/reia.v17i34.1292 https://doi.org/10.24050/reia.v17i34.1292 spa https://creativecommons.org/licenses/by-nc-nd/4.0 Revista EIA - 2020 Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0. 1 16 https://revistas.eia.edu.co/index.php/reveia/article/download/1292/1333 info:eu-repo/semantics/article http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_2df8fbb1 http://purl.org/redcol/resource_type/ART info:eu-repo/semantics/publishedVersion http://purl.org/coar/version/c_970fb48d4fbd8a85 info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 Text Publication |
| institution |
UNIVERSIDAD EIA |
| thumbnail |
https://nuevo.metarevistas.org/UNIVERSIDADEIA/logo.png |
| country_str |
Colombia |
| collection |
Revista EIA |
| title |
Aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital |
| spellingShingle |
Aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital Muñoz Herrera, Wilmer Bedoya, Oscar Fernando Rincón, Mauricio Edilberto Redes Neuronales Llenado de Datos Faltantes Sensores Remotos Series de Tiempo. Neural Networks Data Filling Remote Sensors Time Series |
| title_short |
Aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital |
| title_full |
Aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital |
| title_fullStr |
Aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital |
| title_full_unstemmed |
Aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital |
| title_sort |
aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital |
| title_eng |
Application of neural networks for the reconstruction of time series of precipitation and temperature using satellite information |
| description |
Las técnicas de inteligencia artificial como las redes neuronales artificiales (RNA) permiten resolver una gran variedad de problemas relacionados con diferentes áreas del conocimiento tales como la medicina, la Bioinformática e incluso las telecomunicaciones. En muchos casos, las redes neuronales se utilizan para predecir el comportamiento de una variable con base en datos históricos previos y en un conjunto de variables predictoras. En este artículo se aborda el problema particular de la reconstrucción de información faltante de las estaciones meteorológicas utilizando RNAs. La falta de este tipo de información afecta principalmente los estudios climáticos en los que se utiliza información meteorológica. Estos estudios pueden permitir evitar las amenazas significativas en el desarrollo sustentable de nuestra sociedad, los recursos naturales, especies y la misma vida del ser humano. En este artículo se proponen modelos basados en redes neuronales artificiales e información satelital para el llenado de datos faltantes en las estaciones meteorológicas y reconstrucción espacial de las variables de precipitación y temperatura para la región de Departamento de Valle del Cauca, Colombia. Los resultados obtenidos alcanzan los coeficientes de correlación de alrededor de 0.9, con errores más pronunciados en cerca de 50 mm/mes en precipitación y 2 °C en temperatura.
|
| description_eng |
Artificial intelligence techniques such as artificial neural networks (ANN) allow solving a wide variety of problems related to different areas of knowledge such as medicine, Bioinformatics and even telecommunications. In many cases, neural networks are used to predict the behavior of a variable based on previous historical data and a set of predictor variables. This article deals with the particular problem of the reconstruction of missing information from meteorological stations using ANNs. The lack of this type of information mainly affects climate studies in which meteorological information is used. These studies can make it possible to avoid significant threats to the sustainable development of our society, natural resources, species and the very life of the human being. This article proposes models based on artificial neural networks and satellite information for the filling of missing data in meteorological stations and spatial reconstruction of the variables of precipitation and temperature for the Valle del Cauca, Colombia. The results obtained reach the correlation coefficients of around 0.9, with more pronounced errors in about 50 mm/month in precipitation and 2 °C in temperature.
|
| author |
Muñoz Herrera, Wilmer Bedoya, Oscar Fernando Rincón, Mauricio Edilberto |
| author_facet |
Muñoz Herrera, Wilmer Bedoya, Oscar Fernando Rincón, Mauricio Edilberto |
| topicspa_str_mv |
Redes Neuronales Llenado de Datos Faltantes Sensores Remotos Series de Tiempo. |
| topic |
Redes Neuronales Llenado de Datos Faltantes Sensores Remotos Series de Tiempo. Neural Networks Data Filling Remote Sensors Time Series |
| topic_facet |
Redes Neuronales Llenado de Datos Faltantes Sensores Remotos Series de Tiempo. Neural Networks Data Filling Remote Sensors Time Series |
| citationvolume |
17 |
| citationissue |
34 |
| publisher |
Fondo Editorial EIA - Universidad EIA |
| ispartofjournal |
Revista EIA |
| source |
https://revistas.eia.edu.co/index.php/reveia/article/view/1292 |
| language |
spa |
| format |
Article |
| rights |
https://creativecommons.org/licenses/by-nc-nd/4.0 Revista EIA - 2020 Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0. info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 |
| type_driver |
info:eu-repo/semantics/article |
| type_coar |
http://purl.org/coar/resource_type/c_6501 |
| type_version |
info:eu-repo/semantics/publishedVersion |
| type_coarversion |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| type_content |
Text |
| publishDate |
2020-06-21 |
| date_accessioned |
2020-06-21 00:00:00 |
| date_available |
2020-06-21 00:00:00 |
| url |
https://revistas.eia.edu.co/index.php/reveia/article/view/1292 |
| url_doi |
https://doi.org/10.24050/reia.v17i34.1292 |
| issn |
1794-1237 |
| eissn |
2463-0950 |
| doi |
10.24050/reia.v17i34.1292 |
| citationstartpage |
1 |
| citationendpage |
16 |
| url2_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/download/1292/1333 |
| _version_ |
1811200515319529472 |