Diseño e implementación de un modelo de baja complejidad computacional para el pronóstico meteorológico en Colombia.
En la actualidad, se ha logrado obtener modelos capaces de pronosticar hasta 72 horas, con baja incertidumbre, las condiciones meteorológicas en el mundo. Dada la naturaleza caótica del estado del tiempo, su simulación mediante modelos matemáticos es computacionalmente costosa implicando el uso de s...
- Autores:
-
Consuegra Ortega, Randy Steven
- Tipo de recurso:
- Fecha de publicación:
- 2017
- Institución:
- Universidad del Norte
- Repositorio:
- Repositorio Uninorte
- Idioma:
- spa
- OAI Identifier:
- oai:manglar.uninorte.edu.co:10584/7774
- Acceso en línea:
- http://hdl.handle.net/10584/7774
- Palabra clave:
- Modelo Markoviano
Series de tiempo
Técnicas Bayesianas
Pronósticos
Markovian Model
Time series
Bayesian Techniques
forecast
- Rights
- License
- Universidad del Norte
| Summary: | En la actualidad, se ha logrado obtener modelos capaces de pronosticar hasta 72 horas, con baja incertidumbre, las condiciones meteorológicas en el mundo. Dada la naturaleza caótica del estado del tiempo, su simulación mediante modelos matemáticos es computacionalmente costosa implicando el uso de servidores robustos cuyos costos de adquisición, y adicionalmente de mantenimiento, son altos. Países en vía de desarrollo tecnológico, como, por ejemplo, Colombia, no cuentan con fácil acceso físico a estos servidores. Por lo anterior se plantea la necesidad de un modelo de baja complejidad computacional que permita realizar pronósticos meteorológicos, con baja incertidumbre y que admita retroalimentación. La propuesta es el diseño y la implementación de un modelo matemático lineal de baja complejidad para pronosticar el comportamiento cada 6 horas de las variables temperatura atmosférica, humedad relativa, geopotencial, omega, y las componentes U y V del viento. Este modelo será Markoviano y se desarrollará con un enfoque bayesiano y un esquema de asimilación de datos. Una vez formulado el modelo, se implementará en el lenguaje Matlab. Se usará la información meteorológica de Colombia disponible en la Administración Nacional Oceánica y Atmosférica (NOAA en inglés) de los últimos 11 años (2006 a 2016) para el entrenamiento de este modelo. Una vez obtenido el modelo, se procederá a validar usando información del presente año (2017). Finalmente, logramos un pronóstico lo suficientemente preciso de la variable omega utilizando nuestro modelo propuesto. Sin embargo, algunas variables no se distribuyeron normalmente, lo que produjo algunos errores en el pronóstico. En futuros trabajos, proponemos el uso de un modelo de mezcla bayesiano gaussiano o el uso de un modelo Markoviano de orden superior. |
|---|