Una aportación a la predicción meteorológica basada en técnicas conexionistas

Abstract

LA PREDICCION METEOROLOGICA A CORTO Y MEDIO PLAZO HABITUALMENTE SE REALIZA MEDIANTE PROGRAMAS DE SIMULACION NUMERICA DE LOS MODELOS DE LA ATMOSFERA, ESTOS MODELOS PARA SU CORRECTA APLICACIÓN, NECESITAN QUE SE LES SUMIISTRE UNA ENORME CANTIDAD DE DATOS PARA FIJAR DE FORMA LO MÁS PRECISA POSIBLE EL ESTADO INICIAL DEL MODELO, Y LUEGO, POTENTES COMPUTADORES MANIPULAN A TRAVÉS DEL MODELO ESOS DATOS PARA GENERAR LOS PRONÓSTICOS BUSCADOS. ESTA TESIS DOCTORAL PROPONE UNA APROXIMACION EXPERIMENTAL NO OPERATIVA AL PROBLEMA DE LA PREDICCION METEOROLÓGICA A CORTO PLAZO CON DOS GRANDES CARACTERISTICAS: USO DE LAS REDES NEURONALES ARTIFICIALES COMO ELEMENTO DE PROCESAMIENTO DE LA INFORMACION, Y UTILIZACION DE DATOS PROCEDENTES DE OBSERVACIONES METEOROLOGICAS LOCALES(UN UNICO PUNTO GEOGRÁFICO Y UNA UNICA ALTITUD). LA ESTRATEGIA ELEGIDA PARA LA APLICACIÓN DE LAS REDES NEURONALES ARTIFICIALES FUE LA DE SINTESIS DE UNA FUNCION QUE RELACIONASE LOS VALORES PREVIOS OBSERVADOS CON LOS VALORES FUTUROS. UN PUNTO CLAVE DEL TRABAJO LO CONSTITUYE EL INTENTO DE APLICAR UNA APROXIMACIÓN MODULAR PARA LA RESOLUCION DEL PROBLEMA, QUE SE TRADUJO EN EL DISEÑO DE CUATRO EXPERIMENTOS. DICHOS EXPERIMENTOS ABARCAN DESDE LAS CONFIGURACIONES MAS SIMPLES(FORMADAS POR UNA UNICA RED NEURONAL),HASTA LA MÁS COMPLEJAS, CONSTITUIDAS POR UNA JERARQUIA A DOS NIVELES DE REDES NEURONALES EN LA QUE SE COMBINAN DISTINTOS PARADIGMAS DE REDES NEURONALES.