Modelo de predicción de precipitación acumulada para un departamento de Colombia por medio de la implementación de redes neuronales recurrentes (LSTM) e integración de datos satelitales.
Loading...
Date
2024
Director
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javariana Cali
Abstract
Este proyecto se enfoca en la predicción de la precipitación acumulada en el departamento del Valle del Cauca en Colombia, catalogada como una región que está altamente influenciada por factores climáticos variables dada su geografía y la ocurrencia de fenómenos temporales como “La Niña” o “El Niño”, los cuales generan cambios en los niveles de precipitación y afectan significativamente diversos sectores como la agricultura, la ganadería, el transporte y la economía en general. Dado esto, se desarrolla un modelo predictivo que hace uso de redes neuronales recurrentes (LSTM), a partir de información de precipitación observada (medidas terrestres) y satelital. Este enfoque, permite superar los limitantes de otros métodos convencionales de series de tiempo y, de esta forma, mejorar la precisión y el rendimiento de los modelos actuales. Los objetivos específicos en este proyecto incluyen factores como la selección del departamento más idóneo para la investigación, el análisis temporal y espacial de la base de datos empleada para el estudio, la instauración y evaluación del modelo LSTM y la comparación con otros modelos tradicionales de series de tiempo. Todo esto, está encaminado para el desarrollo de un modelo de predicción que logre estimaciones de la precipitación semanal acumulada. El proyecto, tiene como valor agregado la integración de información satelital por medio del procesamiento de imágenes satelitales y su potencial, radica en su aplicación en futuras investigaciones que puedan convertirla en un recurso valioso para diferentes agentes y autoridades relacionadas con el clima y la meteorología. Además, se aspira a que pueda escalarse hacia otras regiones del país, contribuyendo al manejo adecuado de recursos y la planificación meteorológica.
Description
item.page.descriptioneng
This project focuses on the prediction of accumulated precipitation in the department of Valle del Cauca in Colombia, classified as a region that is highly influenced by variable climatic factors given its geography and the occurrence of temporary phenomena such as "La Niña" or "El Niño", which generate changes in precipitation levels and significantly affect various sectors such as agriculture, livestock, transportation and the economy in general. Given this, a predictive model is developed that makes use of recurrent neural networks (LSTM), based on observed precipitation information (terrestrial measurements) and satellite. This approach allows overcoming the limitations of other conventional time series methods and, in this way, improves the precision and performance of current models. The specific objectives of this project include factors such as the selection of the most suitable department for the research, the temporal and spatial analysis of the database used for the study, the establishment and evaluation of the LSTM model and the comparison with other traditional time series models. All this is aimed at the development of a prediction model that achieves estimates of accumulated weekly precipitation. The added value of the project is the integration of satellite information through satellite image processing and its potential lies in its application in future research that can turn it into a valuable resource for different agents and authorities related to climate and meteorology. In addition, it is hoped that it can be scaled to other regions of the country, contributing to the proper management of resources and meteorological planning.
Keywords
Redes Neuronales, Long Short-Term Memory (LSTM) Ciencia de datos, Ciencia de datos, Imágenes satelitales, Precipitación acumulada, Neural Network, Long Short-Term Memory (LSTM), Data Science, Satellite imagery, Cumulative precipitation