Un equipo del grupo de investigación Gheode de la Universidad de Alcalá ha desarrollado un método para la predicción eficiente de temperatura ambiente a corto y medio plazo, que mejora la precisión y el coste computacional de los métodos existentes, y es de aplicación en cualquier punto geográfico. El director de esta investigación, Sancho Salcedo Sanz, explica que “hemos desarrollado un sistema de predicción de temperatura ambiente que usa diversas técnicas de computación neuronal, entre ellas distintos tipos de redes neuronales de tipo Perceptrón y Máquinas de Vectores Soporte. La novedad estriba en la inclusión en el sistema de variables meteorológicas locales y de tipo global, que estiman la dinámica atmosférica. El sistema de predicción final es muy rápido, robusto y portable, de forma que se puede aplicar en distintos escenarios de predicción (localizaciones interiores, como invernaderos, o exteriores) y para distintos puntos geográficos. Basta con tener disponibles datos meteorológicos para ese punto concreto”. La rapidez del sistema permite calcular en tiempo real las variaciones de temperatura –gran inconveniente de este tipo de algoritmos– y gracias a su portabilidad no requiere de grandes ordenadores para obtener las predicciones y puede ejecutarse en distintas plataformas.
El grupo Gheode ha probado el método en diferentes escenarios de aplicación, con datos de distintas estaciones de meteorología de Europa (Figura), entre ellos del aeropuerto de Barcelona-El Prat. En esta localización se obtuvieron resultados que avalan la calidad del sistema de predicción propuesto. “En el caso de las estaciones europeas el sistema se calibró para la predicción de temperatura máxima diaria. En los datos del aeropuerto de Barcelona probamos el sistema en predicción a corto plazo (desde una hasta seis horas). En ambos casos se incorporaron variables de dinámica atmosférica (clasificación de Hess-Brezowsky) que tienen en cuenta el estado de la atmósfera y su evolución. Nuestro sistema obtuvo mejores resultados que otras aproximaciones previas al problema”, subraya Salcedo.
El sistema desarrollado por estos investigadores de la Universidad de Alcalá tiene innumerables aplicaciones. “La predicción actual de temperatura en un punto que no sea salida del modelo Hirlam (el que utiliza la Agencia Estatal de Meteorología), se realiza mediante técnicas de regresión clásicas. El modelo propuesto obtiene resultados notablemente mejores que estas técnicas clásicas, con un coste computacional ligeramente mayor, por lo que una aplicación directa sería la mejora de la predicción diaria de temperatura que nos da la AEMET. Por otro lado, la predicción de temperatura es clave en la previsión de consumo de energía y también está relacionada con la carga máxima que un avión es capaz de soportar en el despegue. Hay muchísimas más aplicaciones para un sistema como el que hemos desarrollado, entre ellas la predicción in situ de temperaturas extremas en cultivos, invernaderos y edificios para control energético” comentan finalmente los investigadores a cargo de este trabajo.

Figura: Localización de los puntos sobre los que se probó el sistema y predicción de temperatura en la estación Noruega de Faerder Fyr realizada como parte de las pruebas del sistema.

Autores: Sancho Salcedo Sanz, Antonio Portilla Figueras y Silvia Jiménez Fernández., Departamento de Tª de la Señal y Comunicaciones de la Universidad de Alcalá. Predicción eficiente de temperatura con redes neuronales: infinitas aplicaciones es uno de los trabajos ganadores en la categoría de Noticias del I Certamen de Divulgación Científica de la Universidad de Alcalá.

Publicado en: Archivo UAH investiga