Aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital

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 s...

Full description

Autores:
Muñoz Herrera, Wilmer
Bedoya, Oscar Fernando
Rincón, Mauricio Edilberto
Tipo de recurso:
Article of journal
Fecha de publicación:
2020
Institución:
Universidad EIA .
Repositorio:
Repositorio EIA .
Idioma:
spa
OAI Identifier:
oai:repository.eia.edu.co:11190/5075
Acceso en línea:
https://repository.eia.edu.co/handle/11190/5075
https://doi.org/10.24050/reia.v17i34.1292
Palabra clave:
Redes Neuronales
Llenado de Datos Faltantes
Sensores Remotos
Series de Tiempo.
Neural Networks
Data Filling
Remote Sensors
Time Series
Rights
openAccess
License
Revista EIA - 2020
id REIA2_d96923e94ebfe4d0757588176cff2cc3
oai_identifier_str oai:repository.eia.edu.co:11190/5075
network_acronym_str REIA2
network_name_str Repositorio EIA .
repository_id_str
dc.title.spa.fl_str_mv Aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital
dc.title.translated.eng.fl_str_mv Application of neural networks for the reconstruction of time series of precipitation and temperature using satellite information
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
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
dc.creator.fl_str_mv Muñoz Herrera, Wilmer
Bedoya, Oscar Fernando
Rincón, Mauricio Edilberto
dc.contributor.author.spa.fl_str_mv Muñoz Herrera, Wilmer
Bedoya, Oscar Fernando
Rincón, Mauricio Edilberto
dc.subject.spa.fl_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
dc.subject.eng.fl_str_mv Neural Networks
Data Filling
Remote Sensors
Time Series
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.
publishDate 2020
dc.date.accessioned.none.fl_str_mv 2020-06-21 00:00:00
2022-06-17T20:20:16Z
dc.date.available.none.fl_str_mv 2020-06-21 00:00:00
2022-06-17T20:20:16Z
dc.date.issued.none.fl_str_mv 2020-06-21
dc.type.spa.fl_str_mv Artículo de revista
dc.type.eng.fl_str_mv Journal article
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_6501
http://purl.org/coar/resource_type/c_6501
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/article
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/ARTREF
dc.type.coarversion.spa.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
format http://purl.org/coar/resource_type/c_6501
status_str publishedVersion
dc.identifier.issn.none.fl_str_mv 1794-1237
dc.identifier.uri.none.fl_str_mv https://repository.eia.edu.co/handle/11190/5075
dc.identifier.doi.none.fl_str_mv 10.24050/reia.v17i34.1292
dc.identifier.eissn.none.fl_str_mv 2463-0950
dc.identifier.url.none.fl_str_mv https://doi.org/10.24050/reia.v17i34.1292
identifier_str_mv 1794-1237
10.24050/reia.v17i34.1292
2463-0950
url https://repository.eia.edu.co/handle/11190/5075
https://doi.org/10.24050/reia.v17i34.1292
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.bitstream.none.fl_str_mv https://revistas.eia.edu.co/index.php/reveia/article/download/1292/1333
dc.relation.citationedition.spa.fl_str_mv Núm. 34 , Año 2020
dc.relation.citationendpage.none.fl_str_mv 16
dc.relation.citationissue.spa.fl_str_mv 34
dc.relation.citationstartpage.none.fl_str_mv 1
dc.relation.citationvolume.spa.fl_str_mv 17
dc.relation.ispartofjournal.spa.fl_str_mv Revista EIA
dc.rights.spa.fl_str_mv Revista EIA - 2020
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Revista EIA - 2020
https://creativecommons.org/licenses/by-nc-nd/4.0
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Fondo Editorial EIA - Universidad EIA
dc.source.spa.fl_str_mv https://revistas.eia.edu.co/index.php/reveia/article/view/1292
institution Universidad EIA .
bitstream.url.fl_str_mv https://repository.eia.edu.co/bitstreams/118f10ad-2a9e-44da-b491-71d91783fb1f/download
bitstream.checksum.fl_str_mv a86820a3aa27a608930be4b2e5b41c1d
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositorio Institucional Universidad EIA
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1808400299413471232
spelling Muñoz Herrera, Wilmer15a586cd0dce6a1275b347a83f6b2484300Bedoya, Oscar Fernando30c0f70dae5b65a0c45c5c9b889e4438300Rincón, Mauricio Edilbertoa2989ebb7b9b2edde83b1a028bd73d423002020-06-21 00:00:002022-06-17T20:20:16Z2020-06-21 00:00:002022-06-17T20:20:16Z2020-06-211794-1237https://repository.eia.edu.co/handle/11190/507510.24050/reia.v17i34.12922463-0950https://doi.org/10.24050/reia.v17i34.1292Las 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.application/pdfspaFondo Editorial EIA - Universidad EIARevista EIA - 2020https://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistas.eia.edu.co/index.php/reveia/article/view/1292Redes NeuronalesLlenado de Datos FaltantesSensores RemotosSeries de Tiempo.Neural NetworksData FillingRemote SensorsTime SeriesAplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelitalApplication of neural networks for the reconstruction of time series of precipitation and temperature using satellite informationArtículo de revistaJournal articlehttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/redcol/resource_type/ARTREFhttp://purl.org/coar/version/c_970fb48d4fbd8a85https://revistas.eia.edu.co/index.php/reveia/article/download/1292/1333Núm. 34 , Año 20201634117Revista EIAPublicationOREORE.xmltext/xml2760https://repository.eia.edu.co/bitstreams/118f10ad-2a9e-44da-b491-71d91783fb1f/downloada86820a3aa27a608930be4b2e5b41c1dMD5111190/5075oai:repository.eia.edu.co:11190/50752023-07-25 17:01:25.082https://creativecommons.org/licenses/by-nc-nd/4.0Revista EIA - 2020metadata.onlyhttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.com

Publicaciones similares