Modelo de red neuronal artificial para la predicción del fenómeno “el Niño” en la región de Piura (Perú)
DOI:
https://doi.org/10.37467/revtechno.v13.4815Palabras clave:
Predicción, Fenómeno El Niño, Red Neuronal Artificial, Temperatura Superficial del Mar, Región PiuraResumen
El Fenómeno El Niño es un evento de origen climático. En el año 2017 este evento impacto la región Piura, Perú. Las fuertes precipitaciones pluviales generaron el desborde el río Piura que afecto los distritos de Piura, Castilla, Catacaos y Cura Mori. El objetivo del estudio es identificar las variables más influyentes y disponer de un modelo que prediga la ocurrencia del Fenómeno El Niño en la región Piura, mediante el uso de Redes Neuronales Artificiales. Los resultados indican que la Temperatura Superficial del Mar es la variable más influyente. El modelo tiene una precisión del 82% de precisión.
Citas
Álvarez Vega, M., Quirós Mora, L. M., & Cortés Badilla, M. V. (2020). Inteligencia artificial y aprendizaje automático en medicina. Revista Medica Sinergia, 5(8), e557. https://doi.org/10.31434/RMS.V5I8.557 DOI: https://doi.org/10.31434/rms.v5i8.557
Anculle, T., Graco, M., Vásquez, L., García, W., & Gutiérrez, D. (2022). Contribución de las ondas Kelvin a las anomalías térmicas de las aguas costeras frente al Perú durante El Niño 2015 -2016 y el Niño Costero 2017. Boletin Instituto del Mar del Perú, 36(2), 362-384. https://doi.org/10.53554/boletin.v36i2.343 DOI: https://doi.org/10.53554/boletin.v36i2.343
Becerra Correa, N., & Carmona, E. A. (2012). Aprendizaje computacional. Universidad Autónoma de Guerrero Fundación FABBECOR.ONG, 13. http://www.chessbase.com/EvENts/events.asp?pid=155
Charles, Y. P., Lamas, V., & Ntilikina, Y. (2022). Artificial intelligence and treatment algorithms in spine surgery. Revue de Chirurgie Orthopedique et Traumatologique. https://doi.org/10.1016/J.RCOT.2022.06.027 DOI: https://doi.org/10.1016/j.rcot.2022.06.027
de León, C. L. C. D., Limon, S. V., Gonzalez-Calleros, J. M., & Treviño, M. A. D. V. (2021). Artificial neural network for the extraction of dynamic parameters of robots from incomplete information of their movement. Revista Colombiana de Computacion, 22(2), 37-47. https://doi.org/10.29375/25392115.4298 DOI: https://doi.org/10.29375/25392115.4298
Díaz Cordero, G. (2012). El Cambio Climático. Ciencia y Sociedad, XXXVII(2), 227-240. DOI: https://doi.org/10.22206/cys.2012.v37i2.pp227-240
Hijar, G., Bonilla, C., Munayco, C. V., Gutierrez, E. L., & Ramos, W. (2016). Fenómeno el niño y desastres naturales: intervenciones en salud pública para la preparación y respuesta. Revista Peruana de Medicina Experimental y Salud Publica, 33(2), 300-310. https://doi.org/10.17843/RPMESP.2016.332.2205 DOI: https://doi.org/10.17843/rpmesp.2016.332.2205
Huaman, L., & Takahashi, K. (2017). Generación de información y monitoreo del Fenómeno El Niño. Geophysical Research Letters, 43(15), 8230-8239. http://met.igp.gob.pe/publicaciones/Divulgacion_PPR_El_Nino_IGP_201710.pdf DOI: https://doi.org/10.1002/2016GL068835
Jiménez-Carrión, M., Gutiérrez-Segura, F., & Celi-Pinzón, J. (2018). Modeling and prediction of el niño in piura using artificial neuronal networks. Informacion Tecnologica, 29(4), 303-318. https://doi.org/10.4067/s0718-07642018000400303 DOI: https://doi.org/10.4067/S0718-07642018000400303
Montealegre, J. E. (2007). Modelo institucional del IDEAM sobre el efecto climático de los fenómenos El Niño y La Niña en Colombia. En Ideam. http://www.ideam.gov.co/documents/21021/440517/Modelo+Institucional+El+Niño+-+La+Niña.pdf/232c8740-c6ee-4a73-a8f7-17e49c5edda0
Neteo. (2022). La gran teoría unificada de la Inteligencia Artificial. https://www.abc.es/ciencia/abci-gran-teoria-unificada-inteligencia-artificial-201004060300-124677973843_noticia.html?ref=https%3A%2F%2Fwww.google.com%2F
Pacheco, H., Montilla, A., Méndez, W., Hipatia-Delgado, M., Zambrano, D., Pacheco, H., Montilla, A., Méndez, W., Hipatia-Delgado, M., & Zambrano, D. (2019). Causas y consecuencias de las lluvias extraordinarias de 2017 en la costa ecuatoriana: el caso de la provincia Manabí. Boletín de Investigaciones Marinas y Costeras - INVEMAR, 48(2), 45-70. https://doi.org/10.25268/BIMC.INVEMAR.2019.48.2.766 DOI: https://doi.org/10.25268/bimc.invemar.2019.48.2.766
Perdigón-Llanes, R., & González-Benítez, N. (2022). Artificial neural networks in bovine milk production forecasting. Revista Colombiana de Computacion, 23(1), 20-33. https://doi.org/10.29375/25392115.4209 DOI: https://doi.org/10.29375/25392115.4209
Ramírez, I. J., & Briones, F. (2017). Understanding the El Niño Costero of 2017: The Definition Problem and Challenges of Climate Forecasting and Disaster Responses. International Journal of Disaster Risk Science, 8(4), 489-492. https://doi.org/10.1007/s13753-017-0151-8 DOI: https://doi.org/10.1007/s13753-017-0151-8
Takahashi, K. (2016). Modelado teórico-matemático de El Niño extraordinario. Boletín Técnico, 3, 2016. https://doi.org/10.1029/2011GL04736
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Aquellos autores/as que publiquen en esta revista, aceptan los términos siguientes:
- Los autores/as conservarán los derechos morales sobre la obra y cederán a la revista los derechos comerciales.
- Transcurrido un año desde su publicación, la versión del editor pasará a estar en acceso abierto en la web de la editorial, pero la revista mantendrá el copyright de la obra.
- En el caso de que los autores deseen asignar una licencia abierta Creative Commons (CC), podrán solicitarla escribiendo a publishing@eagora.org
