Resumen

CHOUBIN, Bahram; MALEKIAN, Arash  y  GOLSHAN, Mohammad. Application of several data-driven techniques to predict a standardized precipitation index. Atmósfera [online]. 2016, vol.29, n.2, pp.121-128. ISSN 0187-6236.

La modelación y predicción del clima son importantes para la gestión de recursos hidráulicos, especialmente en regiones áridas y semiáridas que con frecuencia sufren escasez de agua. La cuenca de Maharlu-Bakhtegan es una región árida y semiárida de 31 000 km2 localizada al suroeste de Irán, de modo que la precipitación y escasez de agua en esta zona son muy problemáticas. Este estudio presenta una aproximación a la modelación del índice de sequía con base en índices climáticos de larga duración y el uso del sistema adaptativo de inferencia neurodifusa (ANFIS, por sus siglas en inglés), el árbol de decisión M5P y el modelo perceptrón multicapa (MLP, por sus siglas en inglés). Primero se determinó la mayoría de las señales climáticas a partir de 25 señales climáticas utilizando análisis factorial, y posteriormente se predijo un índice estandarizado de precipitación mediante las técnicas ANFIS, MLP y M5P con anticipación de uno a 12 meses. La evaluación de la aptitud del modelo mediante parámetros de error y diagramas de Taylor demostró que el desempeño del MLP es mejor que el de los otros dos modelos. Los resultados también mostraron que la exactitud de la predicción aumentó de manera considerable cuando se utilizaron índices climáticos del mes previo (t - 1) (RMSE = 0.802, ME = -0.002 y PBIAS = -0.47).

Palabras llave : Standardized precipitation index (SPI); climate signals; multi-layer perceptron (MLP); adaptive neuro-fuzzy inference system (ANFIS); M5P model tree; Taylor diagrams.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )