Documentos de Académico
Documentos de Profesional
Documentos de Cultura
- DATA
Módulo:
SCIENCE
Actividad de Desarrollo 3:
Planteamiento de un modelo para
la predicción del clima en la
Ciudad de México.
Nombre:
Mtro. José Ricardo Monjarás vera
Asesor:
Dr. Jesús Hernández Padilla
Fecha:
30/enero/2022
OBJETIVO
INTRODUCCIÓN
La predicción de la temperatura en tiempo real, juega un papel importante
en la inteligecia artificial aplicada, desde sistemas de riegos en la que neceistan
definir los horarios adecuados para plantar los frutos y legumbres, hasta los
sistemas más sofisticados para las condiciones del tiempo del vuelo en
aeronaves. Los sistemas meteorológicos son un campo de estudio muy
sofísticado.
Es por ello, que se plantea un modelo de predicción para la detección de
temperatura en la Ciudad de México, consierando las variabes necesarias para
las 16 alcaldías de la ciudad.
DEARROLLO
Como ya se comentó anteriormente el modelo se define para las 16
alcaldías de la Ciudad de México, nos proporcionarán la información las
siguientes estaciones de monitoreo:
DATASET DE ENTRADA
El histórico de datos se tomará del período comprendido del 01 de enero
del 2021 al 31 de diciembre de 2021. Tomando datos de medición de cada hora
nos arroja 24 mediciones dirias de cada estación, teniendo como para las 4
estaciones un dataset de 35,040 mediciones.
VARIABLES
La variables tomadas en cuenta para la implementación de este modelo
son:
• Temperatura promedio.
• Viento.
• Radiación solar.
• Humedad
• Precipitación.
ARQUITECTURA DE DISEÑO
La arquitectura planteada es la siguiente:
Las variables de entrada serán sometidas al modelo, considerando:
1. Dataset de entrenamiento: 70% que corresponden a 24,528 mediciones.
2. Dataset de prueba: 30% que corresponen a 10,512 mediciones.
FUNCIÓN DE ACTIVACIÓN
Una vez obtenido los resutados, se podrá tener información muy clara del
comportamiento del tiempo en las próximas horas, con una anticipación de una
semana con valores previstos cada hora.
CONCLUSIÓN
Es muy claro que la implementación del modelo extreme learning machine
ha favorecido para estudios en tiempo real de las condiciones del clima,
cumpliendo expectativas sobre otros modelos; y más aún con una arquitectura
de implementación muy simple. En este problema planteado para predecir las
temperaturas en la Ciudad de México, resulta importante la consideración de
todas las variables obtenidas por las 4 estaciones meteorológicas.
El modelo SNLF implementado tiene una eficiencia por arriba del 90% de
otros modelos. Con las siguientes fiabilidades.
§ Velocidad de aprendizaje del algoritmo alta.
§ Simplicidad en su entrenamiento.
§ Mayor generaliación, en la que al aumentar los datos de entrenamiento
hay mejores resultados.
BIBLIOGRAFÍA