Resumen

CERVANTES-OSORNIO, Rocío et al. Red Neuronal Artificial y series de Fourier para pronóstico de temperaturas en el Distrito de Riego 075, Sinaloa México. Tecnol. cienc. agua [online]. 2019, vol.10, n.1, pp.253-268.  Epub 21-Abr-2021. ISSN 2007-2422.  https://doi.org/10.24850/j-tyca-2019-01-10.

La temperatura es una variable trascendental en el cálculo de la evapotranspiración, el crecimiento, el desarrollo y el rendimiento de las plantas; en el estudio de la transmisión de plagas y enfermedades; en el pronóstico del clima; en la determinación del flujo de calor; en el cálculo de la presión real de vapor. Todos estos procesos son afectados por el calentamiento global. El objetivo de este trabajo es comparar los mejores resultados de dos modelos: uno de red neuronal artificial (RNA) backpropagation, y otro de series de Fourier. Se utilizaron datos diarios de temperaturas máximas (T max ) y mínimas (T min ) de las estaciones Santa Rosa 1, Ruiz Cortines, Batequis y Santa Rosa 2, del Distrito de Riego 075 Valle del Fuerte, Los Mochis, Sinaloa, México. En la RNA, 1 484 vectores de datos fueron utilizados para entrenamiento, validación y prueba y 229 para pronóstico. Para el entrenamiento las variables de entrada de la RNA fueron: día juliano, longitud, latitud y altitud. Se obtuvieron 96 escenarios con una, dos y tres capas ocultas, con diversos números de neuronas en cada capa oculta. Con los 1 484 datos, se obtuvieron los mejores ajustes para los modelos de series de Fourier para temperaturas máximas y mínimas, y se pronosticaron 229 datos para las cuatro estaciones. Los mejores modelos de RNA backpropagation para el pronóstico de temperaturas máximas y mínimas diarias obtuvieron desempeños similares en comparación con los realizados por los mejores modelos de series de Fourier, para las estaciones de estudio.

Palabras llave : Pronóstico; redes neuronales artificiales; temperatura máxima; temperatura mínima.

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