ACTIVIDAD 01: ELABORAR LA MATRIZ DE ANTECEDENTES Y SU REDACCIÓN

APELLIDOS Y NOMBRES: Pujadas Contreras Bernie Leandro

AUTOR AÑO OBJETIVOS POBLACIÓN TÉCNICAS / NUEVOS

INSTRUMENTOS CONOCIMIENTOS
Poder prever efectos Datos de Uso de datos de método adecuado para
Arumugam, P y 2018 negativos que tengan precipitaciones precipitaciones en el poder dar modelo y
Saranya, R precipitaciones rango de 30 días, predecir series
Pluviales intensas haciendo uso Modelo temporales de datos de
contra la sociedad, ARIMA precipitaciones ´ hasta
haciendo uso del un límite de tiempo
modelo ARIMA mensual
estacional.
Arumugam, P & Saranya, R. (2018). Con el fin de dar pronostico acertados el método más exitoso para encontrar valores atípicos y distinguirlos de otros
eventos, siendo menos costoso que la eliminación de casos es el Modelo ARIMA, el modelo se ajustó bien a los datos y la variación estacional estocástica
se modeló con éxito. El modelo ARIMA estacional es un método adecuado para modelar y pronosticar la serie temporal de datos de precipitaciones
mensuales.
Arumugam, P & Saranya, R. (2018). Outlier Detection and Missing Value in Seasonal ARIMA Model Using Rainfall Data*N. Materialstoday: PROCEEDINGS.
V
 AUTOR AÑO OBJETIVOS POBLACIÓN TÉCNICAS / NUEVOS
INSTRUMENTOS CONOCIMIENTOS
Desarrollar un modelo Datos de Se intentaron los Se tiene una
Chattopadhyay, S & 2021 univariado para precipitaciones de la modelos de promedio arquitectura tres-tres-
Chattopadhyay, G. pronosticar las lluvias India móvil integrado uno del modelo ARNN y
del monzón de verano autorregresivo tras y con un exhaustivo
(junio-agosto) . Con (ARIMA) y se identificó análisis estadístico se
base en los datos el ARIMA (0,1,1) como establece la supremacía
correspondientes al un modelo de ARNN sobre
período 1871–1999, representativo ARIMA(0,1,1). También
adecuado y también se sabe la gran
un modelo de red importancia del modelo
neuronal ARIMA(0,1,1).
autorregresiva (ARNN)
y la red neuronal se
entrenó como un
perceptrón multicapa
con el procedimiento
de selección variable
extensiva
Chattopadhyay, S & Chattopadhyay, G. (2021). Con el objetivó de desarrollar un modelo univariado para pronosticar las lluvias del monzón de verano
(junio-agosto) en la India. Con base en los datos correspondientes al período 1871–1999, se investigó la tendencia y la estacionariedad dentro de la serie
temporal. Después de revelar la aleatoriedad y la no estacionariedad dentro de la serie temporal, se intentaron los modelos de promedio móvil integrado
autorregresivo (ARIMA) y se identificó el ARIMA (0,1,1) como un modelo representativo adecuado. En consecuencia, se intentó un modelo de red
neuronal autorregresiva (ARNN) y la red neuronal se entrenó como un perceptrón multicapa con el procedimiento de selección variable extensiva.
Chattopadhyay, S & Chattopadhyay, G. (2021). Univariate modelling of summer-monsoon rainfall time series: Comparison between ARIMA and ARNN.
External geophysics, climate and environment (Climate). C. R. Geoscience 342 100–107 .
 AUTOR AÑO OBJETIVOS POBLACIÓN TÉCNICAS / NUEVOS
INSTRUMENTOS CONOCIMIENTOS
Ajuste de un modelo ARIMA Datos de hacen uso del modelo el SMN cuenta con
Renderos, D & Molina, 2018 para la precipitación diaria precipitaciones de estadístico ARIMA y diferentes herramientas
M. en la zona oriental de El zona oriental de El redes neuronales, y la de análisis, monitoreo y
Salvador hacen uso del Salvador base de datos POWER predicción que le
modelo estadístico ARIMA y permiten el estudio
redes neuronales, constante de las
condiciones climáticas
Renderos, D & Molina, M. (2018). (2021). El estudio de las condiciones climáticas, que hoy día cobra más importancia debido a los cambios del clima a
nivel global, pasa por diferentes etapas, pero una de las más importantes es la observación de las diferentes variables como precipitación, luz solar,
temperatura, etc. Estas observaciones forman la base del conocimiento de las variables, que al analizarlas permiten establecer patrones de
comportamiento del clima en general para la región.
Renderos, D & Molina, M. (2018). Ajuste de un modelo ARIMA para la precipitacion diaria en la zona oriental ´ de El Salvador .UNIVERSIDAD DE EL
SALVADOR. Trabajo de Graduacion´ .