Modelo de predicción climática

Abstract

El presente trabajo de titulación tuvo como objetivo desarrollar un modelo de predicción climática para el pronóstico meteorológico en el Cantón Bolívar, fue necesario emplear técnicas como la revisión bibliográfica, recopilación de datos y análisis. Se resumió la información y resultados de otras investigaciones, con el propósito de estar al tanto con las aportaciones realizadas dentro de los últimos cinco años acerca del objeto de estudio. Luego, empleando un análisis comparativo dentro del estado del arte, se determinó que el modelo más factible para su aplicación dentro del trabajo fue la Red Neuronal Recurrente en conjunto a la estructura del algoritmo de memoria larga a corto plazo o LSTM. Seguidamente, se recopiló información histórica del clima perteneciente a la zona, para el entrenamiento y testeo del modelo se empleó registros de la estación Meteorológica de la ESPAM - MFL y del sitio web meteorológico Power Data Access Viewer (NASA), efectuándose también una exploración de datos y la correlación de Pearson para observar cuán relacionadas están las variables de los dataset, determinando que las mismas poseen comportamientos independientes entre sí. Finalmente, se construyó el modelo utilizando el lenguaje de programación Python en una versión 3.7.5, se definieron 150 epochs para el entrenamiento, obteniéndose mejores resultados en las variables de la humedad, temperatura máxima y la temperatura mínima, teniendo una exactitud entre los valores reales y predichos del 89.27%, 92.00%, y 90.61% con los datos de estación meteorológica y con el segundo dataset consiguieron un 93.75%, 94.54%, y 96.96%.