Predicción de variables meteorológicas de Marte mediante redes neuronales artificiales

• Alejandro de-Cabo-García ^[1] ; Alfonso Delgado-Bonal ^[3] ; Belén Pérez-Lancho ^[1] ; Germán Martínez ^[2] ; Jorge Pla-García ^[4]
  1. [1] Universidad de Salamanca

     Universidad de Salamanca

     Salamanca, España

     
  2. [2] Lunar and Planetary Institute

     Lunar and Planetary Institute

     Estados Unidos

     
  3. [3] NASA Goddard Space Flight Center
  4. [4] Centro de Astrobiología (CSIC-INTA)

  Mostrar afiliaciones +
• Localización: DYNA new technologies, ISSN-e 2386-8406, Vol. 9, Nº. 1, 2022
• Idioma: español
• Títulos paralelos:
  • Prediction of Mars meteorological variables using artificial neural networks
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    La predicción meteorológica es la tarea de determinar los estados futuros de la atmósfera para un lugar y un momento determinados. Las técnicas para llevar a cabo la predicción van desde enfoques deterministas que utilizan complejos modelos de dinámica de fluidos hasta enfoques basados en datos que utilizan la inteligencia artificial. Mientras que los primeros se centran principalmente en la creación de Modelos de Circulación General, los segundos están empezando a sustituirlos en muchas situaciones de la meteorología y la astrofísica terrestre. En este trabajo desarrollamos modelos basados en redes neuronales artificiales para realizar la predicción meteorológica en Marte a partir de las mediciones ambientales obtenidas por las misiones Vikings y Mars Science Laboratory. La metodología seguida en este estudio es un enfoque basado en los datos que hace uso de los conocimientos informáticos que se han aplicado durante mucho tiempo en la Tierra, pero todavía no en Marte. Hemos diseñado y entrenado modelos neuronales que predicen condiciones meteorológicas de un día utilizando como entrada las variables del día anterior. En concreto hemos analizado la temperatura y la presión como variables más importantes, y hemos entrenado RNA consiguiendo una precisión de entre el 0,5 y el 1% en la predicción de los cambios diarios de las variables seleccionadas.

  • English

    Weather forecasting is the task of determining future states of the atmosphere for a given location and time. The techniques to carry out the prediction range from deterministic approaches using complex fluid dynamics models to data-driven approaches using artificial intelligence. While the former is mainly focused on the creation of General Circulation Models, the later are starting to replace them in many situations for Earth’s meteorology and astrophysics. Here, we develop an artificial neural network to perform Mars’ weather forecasting using environmental measurements from the Vikings and Mars Science Laboratory missions. The methodology followed in of this study is a data-driven approach; we make use of computer science expertise which has been long applied to Earth, but not on Mars yet. To do so, we create an artificial neuronal network that predicts the meteorological conditions of the following day using the previous day as input. We show that temperature and pressure are among the most important variables, and that ANN can perform with a 0.5 to 1% accuracy in forecasting diurnal changes in the selected variables.