Reconstrucción de series de precipitación del estado de Oaxaca usando redes neuronales artificiales

Abstract

Debido a las fallas en los instrumentos de medición o por complicaciones causadas por la ocurrencia de eventos meteorológicos extremos, en Oaxaca, así como en la mayor parte del país es común que las series de tiempo de variables hidrometeorológicas presenten datos faltantes. El análisis de las series de precipitación, es la base de diversos estudios hidrológicos, necesarios para el diseño de obras hidráulicas y la administración de los recursos hídricos. Sin embargo, en México las bases de datos de las Instituciones Gubernamentales a cargo de las estaciones climatológicas, presentan errores o están incompletos y esto le puede llevar a la toma de decisiones equivocadas, que podría provocar mayor riesgo de falla en las obras o una mala planeación en la prevención de inundaciones o mitigación de sequías. Debido a esto, se desea reconstruir las series de precipitación del estado de Oaxaca usando los enfoques de redes neuronales de retropropagación y contrapropagación, utilizando la información de estaciones climatológicas vecinas y analizando las variables climatológicas del estado de Oaxaca. Al tener reconstruida la base de datos de precipitación de Oaxaca, podrá ser utilizada para realizar predicciones de precipitación confiables. Para emprender este estudio se hizo un análisis de la cantidad y calidad del conjunto de datos de precipitación a cargo del Servicio Meteorológico Nacional. Se detectaron los datos atípicos y se eligió el rango adecuado para realizar la reconstrucción de series de precipitación. Después se aplicó un análisis de Componentes Principales a las variables climatológicas disponibles incluyendo las distancias de las estaciones climatológicas al Golfo de México y al Océano Pacífico, con el objetivo de encontrar alguna correlación entre estas variables con la variable de precipitación. Una vez que se obtuvo la correlación entre las variables, se procedió al agrupamiento de las estaciones climatológicas que correspondan a una misma región hidrológicamente homogénea, con ayuda de la red de Kohonen. Por último, se procedió a la reconstrucción de las series de precipitación aplicando la red de retropropagación y contrapropagación. Para los resultados y comparativas, se calculó el error cuadrático medio, para evaluar los algoritmos de redes neuronales; y el coeficiente de correlación, para evaluar la confiabilidad de las series de precipitación reconstruidas. Con base a los resultados obtenidos, el tiempo de ejecución de la red de propagación es menos a la red de contrapropagación. Sin embargo, se obtienen mejores resultados de la reconstrucción de las series utilizando la red de contrapropagación.