Implementación de pronósticos meteorológicos a partir de Modelos Arima y Redes Neuronales en la provincia de Chimborazo

• Mata Criollo, Lilián Verónica ^[1] ; Marcatoma Tixi, Jessica Alexandra ^[1] ; Mullo Guaminga, Héctor Salomón ^[1] ; Quintana López, Ximena Alexandra ^[1]
  1. [1] Universidad Nacional de Chimborazo

     Universidad Nacional de Chimborazo

     Riobamba, Ecuador

     
• Localización: Polo del Conocimiento: Revista científico - profesional, ISSN-e 2550-682X, Vol. 7, Nº. 11 (Noviembre 2022), 2022, págs. 1400-1419
• Idioma: español
• Títulos paralelos:
  • Implementation of meteorological forecasts from Arima Models and Neural Networks in the province of Chimborazo
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Debido a la alta productividad y competencia económica del país, la agricultura es muy importante en la provincia de Chimborazo. Como uno de los sectores agrícolas más productivos, necesita tecnologías que ayuden a mejorar continuamente los procesos. Los cambios climáticos adversos pueden afectar la productividad, por lo que es importante comprender estos posibles cambios en las variables climáticas, como la temperatura, la humedad y la presión atmosférica. El objetivo fue obtener un modelo de pronósticos idóneo que pudiera predecir los cambios climáticos para el correcto desarrollo de la producción agrícola en zonas rurales. Los pronósticos se realizaron utilizando la base de datos de las estaciones meteorológicas monitoreadas por el GEAA. Se obtuvieron tres pronósticos, uno usando un modelo ARIMA, uno usando una red neuronal de Jordan y uno usando una red neuronal de Elman y estos se compararon con los valores reales. Los resultados muestran que los valores significativos de certeza fueron más evidentes en las redes neuronales especialmente la de Elman.

  • English

    Due to the high productivity and economic competition of the country, agriculture is very important in the province of Chimborazo. As one of the most productive agricultural sectors, you need technologies that help to continuously improve processes. Adverse weather changes can affect productivity, so it is important to understand these possible changes in weather variables such as temperature, humidity, and atmospheric pressure. The objective was to obtain a suitable forecast model that could predict climate changes for the correct development of agricultural production in rural areas. The forecasts were made using the database of the meteorological stations monitored by the GEAA. Three forecasts, one using an ARIMA model, one using a Jordan neural network, and one using an Elman neural network, were obtained and comparedwith the actual values.

    The results show that the significant values of certainty were more evidentin the neural networks, especially the Elman one.