Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Similares en SciELO
Compartir
Atmósfera
versión impresa ISSN 0187-6236
Resumen
NATH, Sankar; KOTAL, S. D. y KUNDU, P. K.. Seasonal prediction of tropical cyclone activity over the north Indian Ocean using the neural network model. Atmósfera [online]. 2015, vol.28, n.4, pp.271-281. ISSN 0187-6236.
Se desarrolla un modelo de red neuronal para predecir el número estacional de ciclones tropicales (CT) que se desarrollan en el Océano Índico septentrional después de la estación del monzón (octubre a diciembre). Se analizan la frecuencia de los CT y las variables climáticas de gran escala derivadas de la base de datos de reanálisis del NCEP/NCAR con resolución de 2.5 x 2.5° para el periodo 1971-2013. Se utilizaron datos del periodo 1971-2002 para desarrollar el modelo, y éste se probó con datos de muestreo independientes del periodo 2003-2013. Se eligieron cinco variables climáticas de gran escala (altura geopotencial a 500 hPa, humedad relativa a 500 hPa, presión superficial en el mar, y viento zonal a 700 y 200 hPa para el mes previo [septiembre]) como predictores para aplicar un análisis de correlación. Con base en algunos parámetros estadísticos de desempeño, se evalúa la eficacia del modelo de redes neuronales y los resultados se comparan con el modelo lineal de regresión múltiple. Los resultados indican que el número de ciclones tropicales calculado por medio de ambos modelos es muy similar al número real de ciclones ocurridos en cada año. Sin embargo, los resultados del modelo de redes neuronales fueron superiores a los del modelo linear de regresión múltiple, de modo que esta técnica de predicción de ciclones tropicales puede ser muy útil para propósitos operativos de predicción.
Palabras llave : Tropical cyclone; seasonal prediction; neural network; artificial neural network; multiple linear regression; jackknife; north Indian Ocean.