Revista Polo del Conocimiento


Open Journal Systems

 

 

 

Implementacin de pronsticos meteorolgicos a partir de Modelos Arima y Redes Neuronales en la provincia de Chimborazo

 

Implementation of meteorological forecasts from Arima Models and Neural Networks in the province of Chimborazo

 

Implementao de previses meteorolgicas de modelos Arima e redes neurais na provncia de Chimborazo

Lilin Vernica Mata-Criollo I
livemc11@hotmail.com
https://orcid.org/0000-0002-4638-6119



,Jessica Alexandra Marcatoma-Tixi II
jessica.marcatoma@unach.edu.ec  https://orcid.org/0000-0001-9531-3234
Hctor Salomn Mullo-Guaminga III
hmullo@espoch.edu.ec
https://orcid.org/0000-0001-8448-4652 


,Ximena Alexandra Quintana-Lpez IV
ximena.quintana@unach.edu.ec
https://orcid.org/0000-0002-0177-1144
 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


Correspondencia: [email protected]

 

 

Ciencias Tcnicas y Aplicadas

Artculo de Investigacin

 

* Recibido: 23 de septiembre de 2022 *Aceptado: 18 de octubre de 2022 * Publicado: 22 de noviembre de 2022

 

 

        I.            Ingeniera en Gerencia de Sistemas, Ministerio de Educacin, Riobamba, Ecuador.

      II.            Mster en Estadstica Aplicada, Universidad Nacional de Chimborazo, Riobamba, Ecuador.

   III.            Doctor en Estadstica Matemtica y Aplicada, Universidad Nacional de Chimborazo, Riobamba, Ecuador.

    IV.            Dottore di Ricerca in Information and Communication Engineering For Pervasive Intelligent Environments, Universidad Nacional de Chimborazo, Riobamba, Ecuador.


 

Resumen

Debido a la alta productividad y competencia econmica del pas, la agricultura es muy importante en la provincia de Chimborazo. Como uno de los sectores agrcolas ms productivos, necesita tecnologas que ayuden a mejorar continuamente los procesos. Los cambios climticos adversos pueden afectar la productividad, por lo que es importante comprender estos posibles cambios en las variables climticas, como la temperatura, la humedad y la presin atmosfrica. El objetivo fue obtener un modelo de pronsticos idneo que pudiera predecir los cambios climticos para el correcto desarrollo de la produccin agrcola en zonas rurales. Los pronsticos se realizaron utilizando la base de datos de las estaciones meteorolgicas monitoreadas por el GEAA. Se obtuvieron tres pronsticos, uno usando un modelo ARIMA, uno usando una red neuronal de Jordan y uno usando una red neuronal de Elman y estos se compararon con los valores reales. Los resultados muestran que los valores significativos de certeza fueron ms evidentes en las redes neuronales especialmente la de Elman.

Palabras clave: Pronstico; Clima; Temperatura, Humedad; Presin Atmosfrica.

 

Abstract

Due to the high productivity and economic competition of the country, agriculture is very important in the province of Chimborazo. As one of the most productive agricultural sectors, you need technologies that help to continuously improve processes. Adverse weather changes can affect productivity, so it is important to understand these possible changes in weather variables such as temperature, humidity, and atmospheric pressure. The objective was to obtain a suitable forecast model that could predict climate changes for the correct development of agricultural production in rural areas. The forecasts were made using the database of the meteorological stations monitored by the GEAA. Three forecasts, one using an ARIMA model, one using a Jordan neural network, and one using an Elman neural network, were obtained and compared with the actual values. The results show that the significant values ​​of certainty were more evident in the neural networks, especially the Elman one.

Keywords: Forecast; Climate; Temperature, Humidity; Atmospheric pressure.

 

 

Resumo

Devido alta produtividade e competio econmica do pas, a agricultura muito importante na provncia de Chimborazo. Como um dos setores agrcolas mais produtivos, voc precisa de tecnologias que ajudem a melhorar continuamente os processos. Mudanas climticas adversas podem afetar a produtividade, por isso importante entender essas possveis mudanas nas variveis ​​climticas, como temperatura, umidade e presso atmosfrica. O objetivo era obter um modelo de previso adequado que pudesse prever as mudanas climticas para o correto desenvolvimento da produo agrcola nas reas rurais. As previses foram feitas usando o banco de dados das estaes meteorolgicas monitoradas pelo GEAA. Trs previses, uma usando um modelo ARIMA, uma usando uma rede neural de Jordan e uma usando uma rede neural de Elman, foram obtidas e comparadas com os valores reais. Os resultados mostram que os valores significativos de certeza foram mais evidentes nas redes neurais, principalmente na de Elman.

Palavras-chave: Previso; Clima; Temperatura, Umidade; Presso atmosfrica.

 

Introduccin

Desde pocas remotas, la humanidad, se encuentra interesada en conocer los cambios constantes de las condiciones climticas, sobre todo los relacionados con fenmenos atmosfricos como lluvias, sequas, calor y fro, los cuales influyen directamente en actividades como la caza y la siembra de cultivos (Cceres Len, 2017) los resultados de las acciones descritas coadyuban al desarrollo de los colectivos en su mayora rurales a satisfacer necesidades alimentarias y econmicas; sin embargo en los ltimos aos se observa un deterioro constante de la agricultura debido a los cambios intempestivos del clima, la produccin en las zonas rurales ha decrecido significativamente a consecuencia de las grandes prdidas de los productores, con ello la economa sufre una afectacin fuerte que desencadena uno de los fenmenos sociales ms grandes del mundo como es la migracin.

A nivel mundial, pases como Estados Unidos, Canad y Gran Bretaa utilizan sistemas de monitoreo de alerta temprana para actividades que van desde la prevencin de desastres naturales hasta la determinacin del comportamiento financiero y econmico en la bolsa mercantil; all, las estaciones meteorolgicas son muy importantes porque su infraestructura est diseada para captar datos referentes a la velocidad, direccin de viento, radiacin solar, horas de fro, precipitacin, humedad relativa, evapotranspiracin, presin atmosfrica, entre otros, la informacin consolidada permite generar modelos predictivos que ayudan a los grupos de agricultores a comprender la fenologa de los cultivos, las plagas y enfermedades que amenazan el buen ciclo de vida del mismo, los cultivadores cuentan con herramientas cuantitativas y cualitativas para "decidir" el tiempo de siembra y cosecha (Seplveda Casadiego, 2020); si bien es cierto estas actividades en gobiernos que no han dado la importancia necesaria a los cambios climticos pueden resultar un desgaste de presupuesto gubernamental porque consideran un gasto innecesario que puede ser monitoreado con un criterio emprico, pero pases como Argentina conscientes de su importancia apoyan investigaciones ligadas con el cambio climtico y la urgente necesidad de aumentar la produccin de alimentos debido al aumento de la poblacin mundial, es as como los administradores de esta nacin disearon un prototipo de sistema que permite a los cultivos utilizar la tecnologa disponible de redes de sensores remotos con el menor consumo energtico y la capacidad de operar en condiciones adversas, las variables ambientales meteorolgicas y fisiolgicas son monitoreadas y analizadas para tomar decisiones que mejoren la productividad de los cultivos (Odiard, 2020); en Cuba un estudio analiza los principales fenmenos meteorolgicos peligrosos susceptibles que afectan las provincias de La Habana, Artemisa y Mayabe tras localizar extremos de precipitacin, viento y temperatura; con base en los hallazgos los protocolos de operacin de alarmas estn diseados para predecir tormentas locales severas, vientos fuertes, inundaciones costeras, ciclones tropicales, fuertes lluvias, niebla y temperaturas extremas con la finalidad de salvaguardar la vida humana y vegetal (Hernndez Capote, Gonzlez Ramrez, & Gonzlez Jardines, 2021).

As como existen pases que han invertido en estos temas, se cuenta tambin con la otra cara de la moneda, Per un pas azotado por sequas sufre prdidas de cosechas, muertes de ganado, plagas y enfermedades; problemas que afectan a los pequeos productores agrcolas y a los habitantes urbanos, por el desconocimiento de futuras sequas y efectos del cambio climtico (Avendao Chagua, 2021); Chile por su parte, es muy sensible a las heladas lo que genera prdidas a los productores de cultivos de papa, cifras elevadas de dinero se perdieron hasta que un estudio plante la implementacin de sistemas de monitoreo y alerta temprana de heladas con dos componentes principales, el primero destinado al anlisis de datos de las estaciones meteorolgicas automticas cuya funcin principal es pronosticar temperaturas mnimas en la regin, el segundo sistema es una herramienta de apoyo que permite al agricultor recibir informacin oportuna y tomar decisiones de control para mitigar los daos ocasionados por la ocurrencia de heladas, los resultados podran difundirse a travs de mensajes de texto (SMS) de telfonos mviles y correo electrnico (Bravo H, Guzman M, & Travisani R, 2021).

En el Ecuador las condiciones climticas impactan los sistemas naturales y sociales, los cambios repentinos, se han convertido en un problema para los gobiernos en el sector privado y la sociedad civil, un estudio durante los ltimos 30 aos sobre la adaptacin de los sistemas naturales y humanos a los fenmenos climticos donde las metodologas y tcnicas para la percepcin de cambio de las variables climticas, enfoques y estrategias arrojaron que Ecuador durante el perodo 2011-2021 no se adapt a los cambios en especial la regin Sierra, los principales hallazgos evidencian que los ecuatorianos perciben aumento, disminucin y comportamiento modificado en los patrones naturales en las variables meteorolgicas de precipitacin, temperatura, y vientos, para reducir los impactos sobre los sistemas naturales la poblacin ecuatoriana ejecuta estrategias de adaptacin en territorio bajo diferentes enfoques, principalmente en comunidades humanas y ecosistemas (Jimenez , 2022); en el cantn San Pedro de Huaca existe una finca experimental con una estacin meteorolgica que recolecta datos relacionados con el clima, como la precipitacin pluvial, donde se realiza un anlisis mnimo de datos histricos, utilizados en series temporales lo cual sirve de ayuda a diversos agricultores con el afn de evitar prdidas de los cultivos (Montenegro Argoti , 2021).

En el contexto local, la Direccin Agropecuaria del Ministerio de Agricultura, Ganadera, Acuacultura y Pesca (MAGAP) de la provincia de Chimborazo encargados de monitorear 142.360 hectreas de cultivos y pastos presentaron acciones a corto plazo para mitigar los daos causados por heladas y sequas a pastos, papas y maz dentro de los cantones ms grandes de la provincia Riobamba, Guano y Colta (Ministerio de Agricultura y Ganadera Ecuador, 2018). Sin embargo, la necesidad urgente de encontrar nuevas estrategias que permitan predecir las condiciones climticas que se ajusten a los patrones diferenciados, apoyan a estudios de prediccin meteorolgica que disminuyan el riesgo de prdida en las siembras de cultivos y en etapas de cosecha (Bustamante Caldern, 2017).

Con tales antecedentes el estudio tiene como propsito implementar modelos de pronsticos meteorolgicos en la provincia de Chimborazo mediante la eleccin de una metodologa acertada luego de comparar los resultados arrojados por los modelos autorregresivos de promedios mviles ARIMA y las redes neuronales, los resultados permitirn a los organismos de turno y a los agricultores tomar decisiones estratgicas para la produccin de diferentes cultivos.

 

Materiales y mtodos

Tipo de Investigacin

La investigacin segn el tipo de variable fue cuantitativa, debido a la manipulacin de caractersticas como temperatura (C), humedad (g/m3) y presin atmosfrica (hPa); segn la profundidad en el objeto de estudio fue descriptivo en base a la caracterizacin y modelamiento de las variables climticas; con relacin al diseo, se cataloga como un estudio no experimental, puesto que no existi manipulacin de informacin y los datos se mantuvieron en su contexto natural; y en funcin al tiempo se consider transversal, el perodo de estudio estuvo comprendido entre el ao 2014-2022.

 

Poblacin y muestra

Poblacin

El colectivo de estudio fue representado por 295780 puntos correspondiente a cada hora datos recolectados en los distintos ordenadores de las estaciones meteorolgicas monitoreadas por el Grupo de Energas Alternativas de la Escuela Superior Politcnica de Chimborazo.

 

Muestra

La investigacin no calcul una muestra ya que se respet el mtodo de muestreo utilizado por el Grupo de Energas Alternativas y Ambiente de la Escuela Superior Politcnica de Chimborazo quienes mencionaron que el extracto de informacin analizado responde a un muestreo no probabilstico, de reportes provenientes de las estaciones meteorolgicas de Alao, Tunshi, Matus y Multitud durante el perodo 2014-2022.

 

Variables de estudio

La investigacin utiliz como variables ambientales a la temperatura cuya definicin corresponde a la magnitud fsica que indica la energa interna del medio ambiente en general, medida en grados centgrados (C); la humedad indica la cantidad de vapor de agua presente en el aire, medida en gramo por cada metro cbico (g/m3) y la presin atmosfrica cuya definicin dice que es la fuerza que ejerce la columna de aire de la atmsfera sobre la superficie terrestre en un punto determinado, su unidad de medida es Hectopascales (hPa).

 

Tcnicas e instrumentos de investigacin

La tcnica utilizada fue la observacin de los reportes emitidos por el GEAA emitidos desde el 2014 al 2022 y el instrumento de recoleccin fue la Bitcora sintetizada en una hoja de clculo por cada una de las estaciones meteorolgicas asociadas al GEAA.

 

Modelo estadstico

En la fase inicial de anlisis se aplic un anlisis exploratorio de datos que incluy medidas de tendencia central, dispersin y grficos con la finalidad de analizar la concentracin y dispersin de los valores, seguido se utilizaron tcnicas estadsticas para el clculo de pronsticos como: Modelos ARIMA y Redes Neuronales, posterior a ello se utiliz el indicador de sensibilidad U de Theil para seleccionar cual fue la mejor tcnica de construccin de pronsticos. El software de respaldo fue R versin 4.2.1.

 

Resultados

 

Figura 1: Estacin Alao

AO

T (C)

H (g/m3)

Pa(hPa)

2014

11,00

78,87

708,57

2015

11,16

79,30

708,76

2016

11,49

77,84

709,14

2017

10,93

79,65

708,85

2018

10,97

78,59

708,66

2019

11,24

79,55

708,97

2020

11,07

79,64

709,10

2021

10,86

78,24

708,81

2022

10,95

69,71

708,53

Fuente: GEAA, 2022

Realizado por: Autores

 

El promedio de Temperatura entre los aos 2014 y 2022 monitoreada por la Estacin de Alao fue de 11,07 C y fueron los aos 2015, 2016 y 2019 los tiempos que la provincia de Chimborazo report un clima clido por el incremento de temperatura superiores a la promedio, los restantes tuvieron temperaturas inferiores y la mnima fue en el 2021 con un valor de 10,85C; en cuanto a la humedad promedio registrada en el mismo periodo fue de 77,93 g/m3 y fue en el ao 2021 que se report la humedad mnima con un valor de 69,71 g/m3 mientras que en los aos 2015, 2017, 2019 y 2020 tuvieron humedades superiores la mxima fue en el ao 2017 con un valor de 79,65 g/m3; en el caso de la Presin Atmosfrica la provincia tuvo un promedio de 708,82 hPa y fueron los aos 2016, 2020 que se report un aumento en la presin con valores 709,14 y 709,10 respectivamente.

 

Figura 2: Estacin Tunshi

AO

T (C)

H (g/m3)

Pa(hPa)

2014

13,16

80,04

738,40

2015

13,27

80,27

738,05

2016

13,61

80,45

737,97

2017

13,04

80,49

736,38

2018

12,68

81,77

730,33

2019

12,79

81,52

731,55

2020

8,60

81,64

668,93

2021

13,17

83,49

738,02

2022

13,38

84,85

737,70

Fuente: GEAA, 2022

Realizado por: Autores

 

Entre los aos 2014 y 2022 los datos monitoreados por la Estacin Tunshi fueron Temperatura promedio de 12,63 C y en los aos restantes la provincia de Chimborazo report un clima clido, mientras que en el ao 2020 tuvo temperaturas inferiores y la mnima fue con un valor de 8,60C; en cuanto a la humedad promedio registrada fue de 81,61 g/m3 en el ao 2014 hubo una disminucin de humedad con un valor de 80,04 g/m3 y fue en el ao 2022 que se report humedad mxima con un valor de 84,85 g/m3; y para la Presin Atmosfrica la provincia tuvo un promedio de 728,59 hPa y fue en el ao 2021 que se report una baja en la presin con el valor de 668,93 hPa y una mxima en el 2014 de 738.40 hPa.

 

Figura 3: Estacin Matus

AO

T (C)

H (g/m3)

Pa(hPa)

2014

11,97

93,35

742,09

2015

12,75

88,81

742,20

2016

13,00

87,32

742,49

2017

12,59

88,30

742,19

2018

12,55

88,54

742,03

2019

12,45

90,28

742,23

2020

12,76

88,31

742,46

2021

12,60

90,11

741,57

2022

12,66

90,40

738,91

Fuente: GEAA, 2022

Realizado por: Autores

 

El monitoreo de la Estacin Matus entre los aos 2014 y 2022 report una Temperatura promedio de 12,59 C y en la mayora de los aos la provincia de Chimborazo report un clima clido, los restantes tuvieron temperaturas inferiores y la mnima fue en el 2014 con un valor de 11,97C y una mxima en el 2016 de 13C; la humedad promedio registrada fue de 89,49 g/m3 y en el ao 2016 se report una humedad mnima de 69,71 g/m3 mientras que en el resto de los aos tuvieron humedades superiores la mxima fue en el ao 2014 con un valor de 93,35g/m3; la provincia en cuanto a la Presin Atmosfrica report un promedio de 741,80 hPa fue en el ao 2022 que tuvo una presin mnima de 738,91 hPa y en los aos restantes se report un aumento mnimo en la presin.

 

Figura 4: Estacin Multitud

AO

T (C)

H (g/m3)

Pa(hPa)

2014

15,04

90,85

795,82

2015

14,25

88,27

795,67

2016

15,76

90,19

796,29

2017

15,03

91,27

796,11

2018

15,17

88,45

795,99

2019

15,15

86,55

796,07

2020

15,10

93,83

796,20

2021

14,98

52,03

796,28

2022

15,02

0,00

796,27

Fuente: GEAA, 2022

Realizado por: Autores

 

Entre los aos 2014 y 2022 los datos monitoreados de la Estacin Multitud reportaron el promedio de Temperatura con una valor de 15,05C y en los aos 2015 y 2021 tuvieron temperaturas inferiores siendo la mnima en el 2015 con un valor de 14,25C considerando que en la mayora del tiempo la provincia de Chimborazo mantiene un clima generalmente clido; el promedio de humedad fue de 75,72 g/m3 llegando a un valor de cero en el ao 2022 y en el ao 2020 se reporta una mxima humedad con un valor de 93,83 g/m3; los datos sobre Presin Atmosfrica reportaron un promedio de 796,08 hPa y fueron en los aos 2016, 2017, 2019, 2020, 2021, y 2022 que la presin atmosfrica permaneci constante determinndose una pequea variacin, mientras que la mnima fue el ao 2015 con un valor de 795,67 hPa.

Luego de ejecutar el anlisis exploratorio de datos se ajustaron modelos ARIMA cuyo uso es frecuente en series temporales de caractersticas semejantes a las encontradas en las variables climatolgicas de la investigacin, es importante mencionar que los modelos pueden presentar dos tipos de dependencia inter temporal, la primera denominada patrn de tendencia que evala la relacin lineal entre observaciones sucesivas y la segunda conocida como patrn estacional que analiza la relacin lineal entre observaciones de intervalos consecutivos de tiempo, con la finalidad de identificar el patrn de ajuste de las variables climatolgicas se construyeron grficas de series de tiempo para las variables de Temperatura, Humedad y Presin atmosfrica (ver Grfico 1 a 3), en estos se observ que en general no existe un patrn de tendencia y tampoco es claro el patrn estacional, adicional, la variable Presin Atmosfrica de la estacin Tunshi no result ser estacionaria.

Figura 5

 

Grfico, Grfico de barras

Descripcin generada automticamente

Figura 6

 

Escala de tiempo

Descripcin generada automticamente

Figura 7

 

Lo observado en las grficas se contrast con pruebas de hiptesis de Dickey Fuller aplicadas en las 12 series de tiempo (Tabla 5), adicional se realiz una diferenciacin para la serie de tiempo de Presin Atmosfrica proveniente de la estacin Tunshi y se consigui la estacionariedad.

 

Figura 8: Valores de probabilidad del contraste de Dickey Fuller.

Estacin

Temperatura

Humedad

Presin atmosfrica

Alao

0.00

0.00

0.00

Matus

0.00

0.00

0.00

Multitud

0.00

0.00

0.00

Tunshi

0.00

0.00

0.00

 

 

 

 

 

Fuente: GEAA, 2022

Realizado por: Autores

 

Al contar con series de tiempo estacionarias, se utiliz la metodologa Box Jenkins para identificar los mejores modelos ARIMA (Tabla 6), as tambin el indicador MAD destac que los errores promedio de pronstico para las variables Temperatura, Humedad y Presin Atmosfrica fueron pequeas en comparacin a la longitud de cada variable, el indicador MSE por su parte evidenci que las desviaciones fueron las ms pequeas de todos los modelos, estos valores permitirn realizar una comparacin con las redes neuronales.

 

Figura 9: Modelos ARIMA por estacin y variable climatolgica

Estacin

Variable

Modelo

MAD

MSE

Alao

T

ARIMA(4,0,1)(2,1,0)[24]

0.62

0.73

Hum

ARIMA(5,0,0)(2,1,0)[24]

5.19

118.13

P.a.

ARIMA(5,0,2)(2,1,0)[24]

0.15

0.04

Matus

T

ARIMA(3,0,5)(2,1,0)[24]

0.54

1.07

Hum

ARIMA(5,0,0)(2,1,0)[24]

2.22

13.73

P.a.

ARIMA(5,0,1)(2,1,0)[24]

0.13

0.04

Multitud

T

ARIMA(5,0,0)(2,1,0)[24]

0.38

0.37

Hum

ARIMA(5,1,2)(0,0,2)[24]

3.00

71.85

P.a.

ARIMA(5,0,0)(2,1,0)[24]

0.12

0.03

Tunshi

T

ARIMA(2,0,3)(2,1,0)[24]

0.48

0.54

Hum

ARIMA(1,0,0)(2,1,0)[24]

2.67

18.84

P.a.

ARIMA(1,0,3)(2,1,0)[24]

0.14

0.25

 

 

 

Fuente: GEAA, 2022

Realizado por: Autores

 

En la fase de validacin de los supuestos de los modelos ARIMA se evalu el cumplimiento de estacionariedad, independencia y normalidad; los resultados se presentan en la Tabla 7. El supuesto de independencia y normalidad no se cumpli en ninguno de los modelos, sin embargo, los valores de probabilidad hallados indicaron la presencia de estacionariedad, ante los hallazgos se recomienda cuidado durante la construccin de pronsticos y se sugiere para el anlisis de las series de tiempo el uso de la metodologa Bootstrap ya que esta no asume supuestos sobre las series.

 

Figura 10: Valores de probabilidad de los supuestos en modelos ARIMA

Estacin

Variable

Modelo

Estacionariedad (Dickey-Fuller)

Independencia (Box-Ljung)

Normalidad (Jarque Bera)

Alao

T

ARIMA(4,0,1)(2,1,0)[24]

0.01

0.00

0.00

Hum

ARIMA(5,0,0)(2,1,0)[24]

0.01

0.00

0.00

P.a.

ARIMA(5,0,2)(2,1,0)[24]

0.01

0.00

0.00

Matus

T

ARIMA(3,0,5)(2,1,0)[24]

0.01

0.00

0.00

Hum

ARIMA(5,0,0)(2,1,0)[24]

0.01

0.00

0.00

P.a.

ARIMA(5,0,1)(2,1,0)[24]

0.01

0.00

0.00

Multitud

T

ARIMA(5,0,0)(2,1,0)[24]

0.01

0.00

0.00

Hum

ARIMA(5,1,2)(0,0,2)[24]

0.01

0.00

0.00

P.a.

ARIMA(5,0,0)(2,1,0)[24]

0.01

0.00

0.00

Tunshi

T

ARIMA(2,0,3)(2,1,0)[24]

0.01

0.00

0.00

Hum

ARIMA(1,0,0)(2,1,0)[24]

0.01

0.00

0.00

P.a.

ARIMA(1,0,3)(2,1,0)[24]

0.01

0.00

0.00

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Fuente: GEAA, 2022

Realizado por: Autores

Seguido se presenta resultados correspondientes de las redes neuronales como alternativa al no cumplimiento de los supuestos en los modelos ARIMA. Las redes neuronales recurrentes (RNN) fueron los modelos utilizados para el estudio de las series temporales cuyo paso inicial fue la transformacin de datos a travs de la ecuacin logstica , en la fase siguiente se entren una red de Jordan y Elman con el 70% de la serie. La periodicidad de la informacin fue diaria (24 horas). La red de Elman trabaj con dos capas ocultas, la primera con dos neuronas y la segunda con tres neuronas, en el caso de la red de Jordan trabaj con 4 capas ocultas. El aprendizaje de las dos redes fue de 0.069 con un mximo de 5000 iteraciones, el procedimiento se replic en las estaciones meteorolgicas estudiadas con sus respectivas variables.

La Tabla 8 presenta las medidas de adecuacin de los pronsticos provenientes de las redes neuronales.

 

Figura 11: Medidas de adecuacin de las redes de Jordan y Elman

Estacin

Variable

Jordan

Elman

MAD

MSE

MAD

MSE

Alao

T

1.06

1.86

0.63

0.78

Hum

11.05

412.72

8.59

401.63

P.a.

0.5

0.39

0.24

0.1

Matus

T

0.69

0.83

0.65

0.83

Hum

5.16

45.39

3.02

19.72

P.a.

0.41

0.25

0.32

0.16

Multitud

T

0.75

0.84

0.37

0.31

Hum

32.69

2604.33

6.03

178.6

P.a.

0.25

0.1

0.18

0.06

Tunshi

T

0.69

0.7

0.42

0.33

Hum

39.04

3777.7

5.53

175.18

P.a.

0.29

0.14

0.21

0.08

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Fuente: GEAA, 2022

Realizado por: Autores

 

Con relacin al modelo de Jordan los mejores ajustes de las variables climatolgicas por estacin fueron:

         Temperatura (T): Tunshi

         Humedad (Hum): Matus

         Presin Atmosfrica (P.a.): Multitud

         Por otro lado, en relacin con Elman los mejores modelos destacados fueron

         Temperatura (T): Multitud

         Humedad (Hum): Matus

         Presin Atmosfrica (P.a.): Multitud

Las grficas 4 y 5 muestran la evolucin del error de la red de acuerdo con el nmero de iteraciones de Jordan y Elman, en ellas se apreci que el error converge a cero rpidamente lo que permite la construccin adecuada de pronsticos. Por otra parte, las grficas 6 y 7 de los valores reales de las series temporales y los valores pronosticados en funcin del tiempo representan un buen ajuste en Jordan y Elman a pesar de lo hallado la informacin almacenada en Tabla 4 indic que el modelo de Elman tuvo mayor precisin que Jordan en todas las variables climatolgicas.

 

Realizado por: Autores

Texto

Descripcin generada automticamente

Figura 12: Modelos idneos de la red neuronal de Jordan

Realizado por: Autores

Texto

Descripcin generada automticamente

Figura 13: Modelos idneos de la red neuronal de Elman

 

Se compar los resultados de los ltimos cuatro das (96 pronsticos resultantes de los modelos ARIMA y Redes Neuronales) mediante el uso del coeficiente U Theil que permite determinar la precisin del pronstico (a medida que el valor del coeficiente se acerca a cero, la presin aumenta) se observ que los valores significativos de certeza fueron ms evidentes en las redes neuronales En este sentido la Tabla 9 destac que el mtodo de Red Neuronal fue la tcnica ms precisa de pronstico.

 

Figura 14: Indicador U Theil

Estacin

Variable

ARIMA

Red Neuronal Elman

Alao

T

0.11

0.04

Hum

0.40

0.04

P.a.

0.00

0.04

Matus

T

0.07

0.05

Hum

0.07

0.05

P.a.

0.00

0.03

Multitud

T

0.07

0.04

Hum

0.02

0.03

P.a.

0.00

0.05

Tunshi

T

0.07

0.04

Hum

0.07

0.03

P.a.

0.01

0.04

 

 

 

Fuente: GEAA, 2022

Realizado por: Autores

 

Discusin

El detalle de resultados evidencia una consistencia con investigaciones contemporneas cuyo primer acercamiento visibiliza un significativo grupo de datos faltantes, la investigacin report un 7,63% de datos faltantes y apenas se superpone en 0,25% a los hallazgos reportados por (Pilco & Acurio, 2019). La caracterizacin de las variables climatolgicas evidencia simetra en las distribuciones de las variables al igual que los reportes del anlisis exploratorio desarrollado por (Serrano Vincenti, Zuleta, Moscoso, Jcome, & Palacios, 2018).

Con relacin al modelo significativo para la construccin de pronsticos de variables climatolgicas como la presin atmosfrica, temperatura, humedad, se eligi a las redes neuronales como resultado de la aplicacin del coeficiente U Theil, el hallazgo es consistente con los reportes de (Pilco & Acurio, 2019) y Capito (2021).

La posibilidad de anticiparse a los reportes de las variables climatolgicas es importante gracias a la relacin de estas con los planes de desarrollo de los colectivos en su mayora agropecuarios como el caso de la provincia de Chimborazo y los analizados por (Gaitan, 2016) quien plantea para el municipio de Cundinamarca la presentacin de proyectos incluyentes que abarquen el tema de variabilidad climtica enfocado a los sectores econmico social y poltico, a la par este tipo de propuestas contribuyen a la identificacin de las causas de variabilidad climtica con la posibilidad de anticiparse a un plan de manejo de posibles fenmenos naturales.

Por otro lado, entre las limitaciones de la investigacin se destaca la imposibilidad de deteccin de valores faltantes, es decir, contar con una idea clara del motivo de los datos ausentes por lo que se sugiere un estudio profundo de las causas en cada una de las estaciones meteorolgicas dirigidas por el Grupo de Energa Alternativa y Ambiente.

 

 

 

Conclusiones

La creacin de modelos de alta fidelidad se considera importante porque los cambios climticos extremos pueden originar problemas en la produccin agrcola y causar daos permanentes en condiciones extremas. temporal. Se consideraron las variables temperatura, la humedad y presin atmosfrica, de los datos analizados para el perodo 2014-2022 y obtenidos a partir de cada una de las estaciones meteorolgica asociadas al GEAA, se analizaron las series temporales y su posible correlacin con el rendimiento en la agricultura; de los resultados obtenidos en el trabajo, se puede observar que las variables climticas en general tienen una tendencia creciente en la provincia de Chimborazo, los mejores ajustes de las variables climatolgicas por estacin fueron pronosticados por el modelo de Elman porque tuvo mayor precisin que Jordan en todas las variables climatolgicas, el error cuadrtico medio indica que el modelo ARIMA por su parte evidenci que las desviaciones fueron las ms pequeas de todos los modelos.

 

Referencias

1.      Avendao Chagua, V. H. (2021). Pronstico de sequas meterolgicas en funcin de los elementos climticos utilizando el modelo Arima en la cuenca del ro Ramis. Tesis. Puno, Per: Universidad Nacional del Altiplano de Puno.

2.      Bravo H, R., Guzman M, M., & Travisani R, M. (Mayo de 2021). Herramientas para el monitoreo de heladas en la Regin de Magallanes. Informativo. Chile: Instituto de Investigaciones Agropecuarias.

3.      Bustamante Caldern, D. (2017). Escenario de cambio climtico a nivel de subcuencas hidrogrficas para el ao 2050 de la provincia de Chimborazo-Ecuador. La Granja: Revista de Cienias de la Vida, 13.

4.      Cceres Len, R. H. (2017). Meteorologa aplicada a la seguridad de las operciones areas (Vol. 12). Bogot, Colombia: Ciencia y Poder Areo.

5.      Gaitan, Y. (2016). Anlisis de las variables climatolgicas temperatura, humedad relativa, precipitacin, evaporacin, brillo solar, radiacin, velocidad y direccin del viento, medidas por la estacin meteorolgica Argelia entre los aos 1993 2013 para verificar la var. Universidad de Cundinamarca, 65-70.

6.      Hernndez Capote, J. F., Gonzlez Ramrez, C. M., & Gonzlez Jardines, P. (2021). Protocolo de alerta de fenmenos meteorolgicos peligrosos que afectan la agricultura en las provincias de La Habana, Artemisa y Mayabeque. Revista Cubana de Meteorologa, 1, 1.

7.      Jimenez , T. A. (2022). Adaptacin de sistemas naturales y sociales al cambio climtico en el Ecuador: una revisin. latindex, 18.

8.      Ministerio de Agricultura y Ganadera Ecuador. (Mayo de 2018). Ministerio de Agricultura y Ganadera. Obtenido de Ministerio de Agricultura y Ganadera: https://www.agricultura.gob.ec/chimborazo-silos-semillas-seguros-recibiran-agricultores-afectados-por-sequia-y-heladas/

9.      Montenegro Argoti , C. F. (2021). Minera de datos para series temporales y su aplicacin en las precipitaciones pluviales en la Finca Experimental San Francisco de Huaca. Tesis. Tulcan, Ecuador: Universidad Politcnica Estatal del Carchi.

10.  Odiard, C. A. (2020). Sistema de informacin de apoyo a las decisiones en la agricultura de precisin basado en redes de sensores remotos y herramientas de sistemas de informacin geogrfica (SIG). Tesis. Mendoza, Argentina: Universidad Siglo 21.

11.  Pilco, V., & Acurio, W. (2019). Tcnicas estadsticas para la modelacin y prediccin de la temperatura y velocidad de viento en la provincia de Chimborazo. Escuela Superior Politcnica de Chimborazo.

12.  Seplveda Casadiego, Y. A. (2020). Importancia de las estaciones meteorolgicas para la toma de decisiones en la agricultura. Universidad Nacional Abierta y a Distancia, 13. doi:10.13140/RG.2.2.33323.46886

13.  Serrano Vincenti, S., Zuleta, D., Moscoso, V., Jcome, P., & Palacios. (2018). Anlisis estadstico de datos metereolgicos mensuales y diarios para la determinacin de variabilidad climtica y cambio climtico en el distrito metropolitano de Quito. Revista Ciencias de la vida.

14.  Wright, J. (2014). Correlacin entre algunos parmetros climticos y la hora del da en Heredia, Costa Rica. Uniciencia.

 

 

 

 

 

2022 por los autores. Este artculo es de acceso abierto y distribuido segn los trminos y condiciones de la licencia Creative Commons Atribucin-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).x

 

 

 

 

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: [email protected][email protected]

URL: https://www.polodelconocimiento.com/

 

 

            



Top