La inteligencia artificial ayudará a predecir con mayor fiabilidad los pronósticos de lluvia en los próximos años.
La inteligencia artificial ayudará a predecir con mayor fiabilidad los pronósticos de lluvia en los próximos años.
La predicción de este meteoro, que quizás sea el que más importancia suscita en la población mundial por su interés tanto para la vida cotidiana como para el desarrollo de muchas profesiones y lógicamente, por su valor para las reservas hídricas, se ve favorecida por la utilización de técnicas de inteligencia artificial.
En los últimos años, os hemos hablado de muchos proyectos que trabajan en este campo de la predicción meteorológica; hoy nos hacemos eco del puesto en marcha por Área de Proyectos de Ingeniería del departamento de Ingeniería Rural de la Universidad de Córdoba.
Machine learning o Aprendizaje automático
El machine learning o aprendizaje automático, se trata de una rama de la inteligencia artificial que trata de desarrollar técnicas que permitan a las propias computadoras aprender.
En el contexto de las computadoras, aprender quiere decir identificar patrones complejos en millones de datos para llegar a alguna solución o decisión.
La dificultad de la predicción de las lluvias
No cabe duda de que, pese a la mejora de los pronósticos meteorológicos en las últimas décadas, los métodos tradicionales del pronóstico del tiempo siguen presentando ciertos problemas a la hora de estimar precipitaciones.
La incertidumbre del desplazamiento de los frentes y borrascas y sobre todo, el factor orográfico, provocan que los pronósticos a ciertas horas o para zonas muy concretas sigan dando fallos en la previsión, a veces importantes.
Aplicando inteligencia artificial
Para tratar de eliminar esa incertidumbre, los investigadores Javier Estévez, Amanda Penélope García-Marín y Juan Antonio Bellido han desarrollado y evaluado 10 modelos de pronóstico de lluvia alternativos basados en la combinación de redes neuronales artificiales y descomposición multiescalar (análisis wavelet) en 16 ubicaciones de Andalucía representativas de diferentes condiciones de aridez.
La novedad de este proyecto radica en que se utilizan Redes Neuronales Artificiales (ANN), inspiradas en el funcionamiento del sistema nervioso humano, las cuales tienen la capacidad de aprender de la experiencia basándose en datos termo-pluviométricos previos.
Análisis wavelet
Además, los científicos utilizaron sobre los datos modelados un análisis wavelet, un tipo de transformación matemática capaz de sacar más partido a la información que llevan las distintas variables.
Algo que resulta especialmente indicado para el pronóstico de una variable tan irregular y dinámica como la lluvia.
Aplicando estas técnicas, los investigadores consiguieron mejorar la fiabilidad de los modelos de predicción numéricos para estimar la lluvia mensual.
El estudio también aplicó con éxito el trabajo a la predicción de la temperatura.
Aplicación práctica en Andalucía
Para poner en práctica la validez del proyecto, se trabajó en el pronóstico de zonas de alta pluviometría del Oeste andaluz y en la parte más árida de la Península Ibérica, en el desierto almeriense de Tabernas.
El estudio revela cómo en las zonas más áridas es muy útil el valor medio del rango térmico diario (la diferencia térmica entre la máxima y la mínima diaria) a la hora de hacer pronósticos.
Mientras que, en las zonas costeras, es más útil el uso del máximo y el mínimo mensual del rango térmico diario.
Tú opinas