Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD INGENIERA
ESCUELA ACADEMICA PROFESIONAL INGENIERA DE SISTEMAS E
INFORMTICA
DESARROLLO E IMPLEMENTACIN DE
UN SISTEMA BASADO EN REDES
NEURONALES ARTIFICIALES PARA
PREDICCIN DE HELADAS EN EL VALLE
DEL MANTARO
PARA OPTAR EL TITULO DE:
INGENIERO DE SISTEMAS E INFORMTICO
AUTORES:
PMELA SANTANA ACUA
GABRIEL TICSE QUINTANILLA
INTRODUCCIN
Uno de los objetivos del ser humano es poder prevenir todos aquellos eventos que
le afectan, es por esto que por medio de la ciencia se est buscando predecir lo que
pasar en el futuro, como ser: la prediccin de lluvias, prediccin de tiempo,
prediccin de reacciones adversas a los medicamentos y otros. La prediccin en un
elemento clave en el desarrollo de la ciencia. (Wittgenstein, 1989).
Dentro del estudio del campo meteorolgico tenemos fenmenos HELADA que
ocurre cuando la temperatura de la tierra o los objetos de la tierra en la superficie
alcanza los 0 C o menos provocando que cualquier tejido u rgano vegetal tienda a
congelarse, ocasionando prdidas a la agricultura y afectando a la poblacin de las
zonas rurales y ciudades. Este fenmeno (Helada) se manifiesta como un proceso
no lineal continuo, dependiente de un gran nmero de variables cuya funcin se
desconoce. Esto hace factible y adecuada la utilizacin de Redes Neuronales
Artificiales (RNAs), para la prediccin de la misma (Garay & Cicero, 2001)
Las Redes Neuronales Artificiales representan una tcnica de modelacin
matemtica no lineal, que intenta imitar el proceso de aprendizaje que ocurre en el
sistema nervioso. Dentro de las redes neuronales artificiales tenemos gran
variedad de modelos, uno de los ms usados es el denominado backpropagation,
tambin tenemos las redes backpropagation recurrente. (Freeman & Skapura,
1991).
Debe considerarse que el rendimiento ptimo de la RNA est supeditado por su
arquitectura, y el valor de los pesos. El Algoritmo Evolutivo ser utilizado para
ajustar los pesos de la Red Neuronal y encontrar la arquitectura ideal, y as superar
inconvenientes.
Las Redes Neuronales Artificiales Evolutivas (RNAEs) surgen a finales de los 80s
a partir de la idea de combinar dos paradigmas, con el fin de optimizar las Redes
Neuronales Artificiales empleando los Algoritmos Evolutivos, generando un campo
intenso de investigacin. Una de las caractersticas de las Redes Neuronales
Artificiales Evolutivas es que se adaptan al ambiente como a los cambios del
mismo. Las dos formas de adaptacin, la evolucin y aprendizaje en RNAEs hacen
que su adaptacin a un ambiente dinmico sea ms eficaz y eficiencia. (Yao, 1999)
En la presente investigacin se utilizaran las Redes Neuronales Artificiales
Evolutivas, con el fin de construir un modelo que pueda predecir el fenmeno
meteorolgico de la Helada.
CAPITULO I
PLANTEAMIENTO DEL ESTUDIO
1.3. Objetivos:
a) Objetivo General:
Desarrollar e implementar redes neuronales artificiales para la
prediccin de heladas en el Valle del Mantaro.
b) Objetivos Especficos:
Realizar el diagrama de redes neuronales y cdigo fuente en Visual
Studio 2010.
1.4. Justificacin
Al desarrollar e implementar mediante redes neuronales artificiales la
prediccin de heladas en el Valle del Mantaro, resultara de gran ayuda para
diversas personas ya que se podra predecir si se manifestaran las heladas o
no.ste ejecutable podran utilizarlo diversos pobladores para que puedan
CAPITULO II
MARCO TERICO
UTILIZANDO
REDES
NEURONALES
Villanueva
DE
Vania
ASIMTRICA
DE
UNA
RED
NEURONAL
Mayo, 2010.
MEXICO
El objetivo de este trabajo es explorar la relacin no lineal entre el
dinero y la inflacinen Colombia a travs de una red neuronal
revisar y describir el
de
neuronas
artificiales
son
un paradigma de
b) Aprendizaje no supervisado
Tambin llamado autoorganizado. En este aprendizaje no se le
especifica a la red la respuesta correcta, tan slo se suministran
grandes cantidades de datos para que sta sea capaz de construir sus
propias
asociaciones.
Este
aprendizaje
consiste
en
modificar
como funcin
de
implementado
con
computadoras
en dispositivos
2. Heladas:
La helada es un fenmeno climtico que consiste en un descenso de la
temperatura ambiente a niveles inferiores al punto de congelacin del
agua y hace que el agua o el vapor que est en el aire se congele
depositndose en forma de hielo en las superficies. Ms precisamente,
la Organizacin Meteorolgica Mundial habla de helada en el suelo, en
referencia a diversos tipos de cobertura de hielo sobre el suelo,
producidas por la deposicin directa del vapor de agua.
2.1. Tipos de helada:
A. Helada por radiacin (hielo):
La helada por radiacin se debe a un enfriamiento progresivo
e intenso del suelo, por radiacin de su calor en las noches de
cielo despejado y limpio. La humedad atmosfrica, que puede
ser relativamente clida y seca, se condensa sobre las
superficies slidas en forma de roco o congelndose, si
especies
vegetales
"resistentes",
como
distribuidos
en
forma
adecuada
neuronales:
de
neuronas
artificiales
(denominadas
CAPITULO III
HIPTESIS Y VARIABLES
3.1. Hiptesis:
Al desarrollar e implementar mediante redes neuronales un sistema para la
prediccin de heladas en el Valle del Mantaro, se espera que entregue
resultados ptimos de acuerdo a las entradas ingresadas.
Variable independiente:
Sistema implementado mediante redes neuronales.
Variable dependiente:
Heladas en el Valle del Mantaro.
CAPITULO IV
METODOLOGA
CAPTURAS DE PANTALLA
Inarrary(1)
Feature
(1)
Inarray(2)
Feature
(2)
Inarray(3)
Feature
(3)
Inarray(4)
Feature
(4)
Inarray(5)
Feature
(5)
Inarray(6)
Feature
(6)
Inarrary(7)
Feature
(7)
Outarray
(1)
Outarray
(2)
Outarray
(3)
Temperatura_baja = TextBox1.Text
Aire_frio_seco = TextBox2.Text
Alta_humedad = TextBox3.Text
Alta_altitud = TextBox4.Text
Congelacion_alta = TextBox5.Text
Niebla = TextBox6.Text
Baja_radiacion_solar = TextBox7.Text
'
If TextBox1.Text And TextBox2.Text And TextBox3.Text And
TextBox4.Text And TextBox5.Text And TextBox6.Text And TextBox7.Text = "Si"
Then
'TextBox1.Text = 1
'TextBox2.Text = 1
'TextBox3.Text = 1
'TextBox4.Text = 1
'TextBox5.Text = 1
'TextBox6.Text = 1
'TextBox7.Text = 1
'
Else
'TextBox1.Text
'TextBox2.Text
'TextBox3.Text
'TextBox4.Text
'TextBox5.Text
'TextBox6.Text
'TextBox7.Text
'
'
=
=
=
=
=
=
=
0
0
0
0
0
0
0
End If
Alta_humedad = Alta_humedad
If (Alta_altitud < 0) Then Alta_altitud = 0
If (Alta_altitud > 1) Then Alta_altitud = 1
Alta_altitud = Alta_altitud
If (Congelacion_alta < 0) Then Congelacion_alta = 0
If (Congelacion_alta > 1) Then Congelacion_alta = 1
Congelacion_alta = Congelacion_alta
If (Niebla < 0) Then Niebla = 0
If (Niebla > 1) Then Niebla = 1
Niebla = Niebla
If (Baja_radiacion_solar < 0) Then Baja_radiacion_solar = 0
If (Baja_radiacion_solar > 1) Then Baja_radiacion_solar = 1
Baja_radiacion_solar = Baja_radiacion_solar
netsum = -0.723195
netsum = netsum + Temperatura_baja * -0.7983574
netsum = netsum + Aire_frio_seco * -0.6139477
netsum = netsum + Alta_humedad * -0.7837439
netsum = netsum + Alta_altitud * 0.8014902
netsum = netsum + Congelacion_alta * 0.07020642
netsum = netsum + Niebla * 1.30855
netsum = netsum + Baja_radiacion_solar * -0.4811229
feature2(1) = 1 / (1 + Math.Exp(-netsum))
netsum = -0.04504148
netsum = netsum + Temperatura_baja * -0.9142179
netsum = netsum + Aire_frio_seco * 1.70403
netsum = netsum + Alta_humedad * -2.342873
netsum = netsum + Alta_altitud * -1.186064
netsum = netsum + Congelacion_alta * -0.03335913
netsum = netsum + Niebla * 0.9308714
netsum = netsum + Baja_radiacion_solar * 1.503191
feature2(2) = 1 / (1 + Math.Exp(-netsum))
netsum = -0.0740281
netsum = netsum + Temperatura_baja * -2.241805
netsum = netsum + Aire_frio_seco * 0.527923
netsum = netsum + Alta_humedad * -1.045078
netsum = netsum + Alta_altitud * -1.351019
netsum = netsum + Congelacion_alta * 2.278468
netsum = netsum + Niebla * 1.455142
netsum = netsum + Baja_radiacion_solar * 0.4778488
feature2(3) = 1 / (1 + Math.Exp(-netsum))
netsum = -0.1520253
netsum = netsum + Temperatura_baja * -1.230608
netsum = netsum + Aire_frio_seco * -1.407671
netsum = netsum + Alta_humedad * 0.8458483
netsum = netsum + Alta_altitud * 1.472106
netsum = netsum + Congelacion_alta * 0.6289404
netsum = netsum + Niebla * 1.166791
netsum = netsum + Baja_radiacion_solar * -1.514581
feature2(4) = 1 / (1 + Math.Exp(-netsum))
netsum = 0.3360444
netsum = netsum
netsum = netsum
netsum = netsum
netsum = netsum
netsum = netsum
netsum = netsum
netsum = netsum
feature2(5) = 1
+
+
+
+
+
+
+
/
Temperatura_baja * 1.868454
Aire_frio_seco * 0.8144495
Alta_humedad * -1.796229
Alta_altitud * 1.352932
Congelacion_alta * -2.311966
Niebla * 0.6053027
Baja_radiacion_solar * 0.649767
(1 + Math.Exp(-netsum))
netsum = -0.5314908
netsum = netsum + Temperatura_baja * -1.428891
netsum = netsum + Aire_frio_seco * -0.2466223
netsum = netsum + Alta_humedad * -1.462468
netsum = netsum + Alta_altitud * 1.387969
netsum = netsum + Congelacion_alta * -0.6836843
netsum = netsum + Niebla * 2.194784
netsum = netsum + Baja_radiacion_solar * -0.2183095
feature2(6) = 1 / (1 + Math.Exp(-netsum))
netsum = -0.4078638
netsum = netsum + Temperatura_baja * -0.8712807
netsum = netsum + Aire_frio_seco * 0.6653133
netsum = netsum + Alta_humedad * -1.115183
netsum = netsum + Alta_altitud * -0.9145115
netsum = netsum + Congelacion_alta * 0.5658814
netsum = netsum + Niebla * 0.2939413
netsum = netsum + Baja_radiacion_solar * 0.6737889
feature2(7) = 1 / (1 + Math.Exp(-netsum))
netsum = 0.162549
netsum = netsum +
netsum = netsum +
netsum = netsum +
netsum = netsum +
netsum = netsum +
netsum = netsum +
netsum = netsum +
feature2(8) = 1 /
Temperatura_baja * -1.402751
Aire_frio_seco * -1.320291
Alta_humedad * 1.581397
Alta_altitud * 0.4507797
Congelacion_alta * 0.9652248
Niebla * 0.1259096
Baja_radiacion_solar * -1.574118
(1 + Math.Exp(-netsum))
netsum = -1.980236
netsum = netsum + feature2(1)
netsum = netsum + feature2(2)
netsum = netsum + feature2(3)
netsum = netsum + feature2(4)
netsum = netsum + feature2(5)
netsum = netsum + feature2(6)
netsum = netsum + feature2(7)
netsum = netsum + feature2(8)
Helada_por_Radiacion = 1 / (1
*
*
*
*
*
*
*
*
+
0.2785329
2.7616
3.539306
-0.9631032
-1.565938
1.017459
1.610966
-0.9916502
Math.Exp(-netsum))
netsum
netsum
netsum
netsum
netsum
netsum
netsum
netsum
netsum
*
*
*
*
*
*
*
*
0.7928572
1.337744
-1.323056
-0.5954668
3.351876
2.298326
-0.1144323
-2.015185
=
=
=
=
=
=
=
=
=
-0.9020997
netsum + feature2(1)
netsum + feature2(2)
netsum + feature2(3)
netsum + feature2(4)
netsum + feature2(5)
netsum + feature2(6)
netsum + feature2(7)
netsum + feature2(8)
Helada_por_Advencion = 1 / (1 + Math.Exp(-netsum))
netsum = -1.606133
netsum = netsum + feature2(1) *
netsum = netsum + feature2(2) *
netsum = netsum + feature2(3) *
netsum = netsum + feature2(4) *
netsum = netsum + feature2(5) *
netsum = netsum + feature2(6) *
netsum = netsum + feature2(7) *
netsum = netsum + feature2(8) *
Helada_por_Evaporacion = 1 / (1
1.355419
-1.667662
1.047568
2.769881
-1.772958
1.901758
-0.6281651
2.12811
+ Math.Exp(-netsum))
End Sub
End Class
CONCLUSIONES
La evolucin como una forma de adaptacin es un factor fundamental en el
sistema neuronal predictivo de heladas.
RECOMENDACIONES
REFERENCIAS BIBLIOGRFICAS
1.
Abonyi, J.; Babuska, R.; Szeifert, F.(2001). Fuzzy Modeling with Multivariate
Membership Functions: Gray-Box Identification and Control Design. IEEE
Transactions on Systems, Man, and Cybernetics Part B: Cybernetics, Vol. 31, No.
5, pp. 755-767.
2.
Daz Q.F. (1983). Prctica de la defensa Contra Heladas. Espaa, Milagro. 450 p.
3.
4.
5.
Snyder L.F. y J.F. Thompson (1987). Passive Frost Protection of trees and Vines.
USA.
6.
7.
Resources. 7p.
8.
9.
10. Valli V.J. Basic Principles Freeze Occurrence and the prevention of Freeze Damage
to
11. Crops. Published by Spot Heaters, Inc. USA. 20p.
12. Burgos J. J., (1963). Las Heladas en la Argentina. Coleccin Cientfica del Instituto
Nacional de Tecnologa, 30 pp.
13. Hopkins Patricio, (1965). Filosofa, Buenos Aires, Ediciones Almagro.
14. Garca Amaro E. (1989). Apuntes de climatologa. Offset Larios, 6 ed., 153 pp.
15. Jordan
Michael
I.
(1998)
Recurrent
Network.
Disponible:
www.pubserv.com/mite/pdf/jordan2.pdf
16. Bertona, Luis Federico, (2005). Entrenamiento de Redes Neuronales basado en
Algoritmos Evolutivos, Laboratorios en Sistemas inteligentes.