Análisis del desempeño de redes neuronales artificiales en la reconstrucción de datos pluviométricos de la ciudad de Quito

Abstract

Los impactos del cambio climático se determinan utilizando modelos de impacto. Estos modelos numéricos se alimentan, entre otras fuentes, con información climática de los últimos treinta años. Idealmente la información ha sido medida con la ayuda de estaciones meteorológicas y registrada a lo largo del tiempo, sin embargo, existen muchas localidades donde no se ha podido registrar la información desde hace treinta años o no se ha medido y registrado del todo. Para estos lugares sin información es necesario utilizar otros mecanismos, entre los más comunes están: bases de datos que han pasado por un proceso de aumento de escala, salidas de modelos de circulación general e información obtenida por sensores remotos. El presente trabajo propone otro mecanismo, el uso de redes neuronales artificiales para reconstruir los datos del pasado tomando como referencia los datos de otras estaciones. Se crearon dos redes neuronales, una red profunda y una red concurrente y dos modelos estadísticos, un modelo SARIMA y una regresión lineal. Se generaron datos aproximados de las estaciones M0003 y M0025, estaciones que pertenecen al Instituto Nacional de Meteorología e Hidrología. Se evaluó el desempeño de las redes neuronales y la pertinencia del uso de los datos reconstruidos en modelos de impacto del cambio climático. La red neuronal concurrente y el modelo estadístico SARIMA tuvieron unos indicadores de desempeño más bajos que el modelo de regresión lineal y la red neuronal profunda. Se concluyó que el proceso de reconstrucción de datos se asemeja más a un proceso de regresión que a un proceso de series temporales. La correlación para el modelo SARIMA y para la red neuronal concurrente fue menor a 0.8, por lo tanto, esta información no es apta para el uso en modelos de impacto al cambio climático. El modelo de regresión y la red neuronal profunda cumplen los requerimientos que permiten incorporar los datos reconstruidos en un modelo de impacto al cambio climático.