La influencia del efecto de borde en el pronóstico de precipitaciones utilizando DWT diádica, MODWT, ANN y ANFIS
Se presentan los resultados que demuestran la influencia del efecto de borde al emplear modelos híbridos Wavelet Neuronal o Wavelet neurodifuso para pronosticar series de tiempo mensuales de lámina de precipitación con un mes de anticipación. Para la implementación de los modelo se utiliza la inform...
| Main Authors: | , , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Instituto Mexicano de Tecnología del Agua
2016-05-01
|
| Series: | Tecnología y ciencias del agua |
| Subjects: | |
| Online Access: | https://www.revistatyca.org.mx/ojs/index.php/tyca/article/view/1251 |
| _version_ | 1797391102495424512 |
|---|---|
| author | Pablo Andrés Rousseau Figueroa Jorge Ramírez Hernández Sergio Omar Infante Prieto Rafael Villa Angulo Michelle Hallack Alegría |
| author_facet | Pablo Andrés Rousseau Figueroa Jorge Ramírez Hernández Sergio Omar Infante Prieto Rafael Villa Angulo Michelle Hallack Alegría |
| author_sort | Pablo Andrés Rousseau Figueroa |
| collection | DOAJ |
| description | Se presentan los resultados que demuestran la influencia del efecto de borde al emplear modelos híbridos Wavelet Neuronal o Wavelet neurodifuso para pronosticar series de tiempo mensuales de lámina de precipitación con un mes de anticipación. Para la implementación de los modelo se utiliza la información de la estación climatológica ubicada en la presa Emilio López Zamora en la ciudad de Ensenada, al noroeste del Estado de Baja California, México. El estudio combina cuatro métodos: a) Transformada Wavelet Discreta con el algoritmo de Mallat (DWT): b) Transformada Wavelet Discreta de Máxima Superposición (MODWT); c) Feed Forward Back Propagation (FFBP), y, d) Adaptive-Networkbased Fuzzy Inference System (ANFIS). Se utilizan dos enfoques de preprocesamiento utilizados en la actualidad en la literatura para pronosticar series climáticas de variables hidrológicas. En el primer enfoque se emplean cuatro métodos para realizar la convolución de la transformada y se discute su relación con el fenómeno del efecto de borde. Los resultados muestran que el modelo híbrido utilizado influye de manera significativa para mejorar el entrenamiento de la red con fines de predicción, sin embargo, para la etapa de pronóstico sucede lo contrario debido al efecto de borde. En el segundo enfoque se encuentra que la serie de tiempo se tiene que reconstruir con coeficientes wavelet de escalas, que corresponden a un periodo de cinco años, y los resultados muestran que existe una componente de ruido significativa en la señal. Por último, se encontró que ANFIS autónomo es el método más sencillo y recomendable de utilizar para este tipo de series de tiempo. |
| first_indexed | 2024-03-08T23:26:58Z |
| format | Article |
| id | doaj.art-a8bdd6ea064e4789b858d91927679aae |
| institution | Directory Open Access Journal |
| issn | 0187-8336 2007-2422 |
| language | English |
| last_indexed | 2024-03-08T23:26:58Z |
| publishDate | 2016-05-01 |
| publisher | Instituto Mexicano de Tecnología del Agua |
| record_format | Article |
| series | Tecnología y ciencias del agua |
| spelling | doaj.art-a8bdd6ea064e4789b858d91927679aae2023-12-14T17:14:29ZengInstituto Mexicano de Tecnología del AguaTecnología y ciencias del agua0187-83362007-24222016-05-0173931331139La influencia del efecto de borde en el pronóstico de precipitaciones utilizando DWT diádica, MODWT, ANN y ANFISPablo Andrés Rousseau Figueroa0Jorge Ramírez Hernández1Sergio Omar Infante Prieto2Rafael Villa Angulo3Michelle Hallack Alegría4Universidad Autónoma de Baja California, MéxicoUniversidad Autónoma de Baja California, MéxicoUniversidad Autónoma de Baja California, MéxicoUniversidad Autónoma de Baja California, MéxicoUniversidad Autónoma de Baja California, MéxicoSe presentan los resultados que demuestran la influencia del efecto de borde al emplear modelos híbridos Wavelet Neuronal o Wavelet neurodifuso para pronosticar series de tiempo mensuales de lámina de precipitación con un mes de anticipación. Para la implementación de los modelo se utiliza la información de la estación climatológica ubicada en la presa Emilio López Zamora en la ciudad de Ensenada, al noroeste del Estado de Baja California, México. El estudio combina cuatro métodos: a) Transformada Wavelet Discreta con el algoritmo de Mallat (DWT): b) Transformada Wavelet Discreta de Máxima Superposición (MODWT); c) Feed Forward Back Propagation (FFBP), y, d) Adaptive-Networkbased Fuzzy Inference System (ANFIS). Se utilizan dos enfoques de preprocesamiento utilizados en la actualidad en la literatura para pronosticar series climáticas de variables hidrológicas. En el primer enfoque se emplean cuatro métodos para realizar la convolución de la transformada y se discute su relación con el fenómeno del efecto de borde. Los resultados muestran que el modelo híbrido utilizado influye de manera significativa para mejorar el entrenamiento de la red con fines de predicción, sin embargo, para la etapa de pronóstico sucede lo contrario debido al efecto de borde. En el segundo enfoque se encuentra que la serie de tiempo se tiene que reconstruir con coeficientes wavelet de escalas, que corresponden a un periodo de cinco años, y los resultados muestran que existe una componente de ruido significativa en la señal. Por último, se encontró que ANFIS autónomo es el método más sencillo y recomendable de utilizar para este tipo de series de tiempo.https://www.revistatyca.org.mx/ojs/index.php/tyca/article/view/1251pronóstico de precipitación, transformada wavelet discreta, adaptive-network-based fuzzy inference system (anfis), algoritmo mallat, efecto de borde |
| spellingShingle | Pablo Andrés Rousseau Figueroa Jorge Ramírez Hernández Sergio Omar Infante Prieto Rafael Villa Angulo Michelle Hallack Alegría La influencia del efecto de borde en el pronóstico de precipitaciones utilizando DWT diádica, MODWT, ANN y ANFIS Tecnología y ciencias del agua pronóstico de precipitación, transformada wavelet discreta, adaptive-network-based fuzzy inference system (anfis), algoritmo mallat, efecto de borde |
| title | La influencia del efecto de borde en el pronóstico de precipitaciones utilizando DWT diádica, MODWT, ANN y ANFIS |
| title_full | La influencia del efecto de borde en el pronóstico de precipitaciones utilizando DWT diádica, MODWT, ANN y ANFIS |
| title_fullStr | La influencia del efecto de borde en el pronóstico de precipitaciones utilizando DWT diádica, MODWT, ANN y ANFIS |
| title_full_unstemmed | La influencia del efecto de borde en el pronóstico de precipitaciones utilizando DWT diádica, MODWT, ANN y ANFIS |
| title_short | La influencia del efecto de borde en el pronóstico de precipitaciones utilizando DWT diádica, MODWT, ANN y ANFIS |
| title_sort | la influencia del efecto de borde en el pronostico de precipitaciones utilizando dwt diadica modwt ann y anfis |
| topic | pronóstico de precipitación, transformada wavelet discreta, adaptive-network-based fuzzy inference system (anfis), algoritmo mallat, efecto de borde |
| url | https://www.revistatyca.org.mx/ojs/index.php/tyca/article/view/1251 |
| work_keys_str_mv | AT pabloandresrousseaufigueroa lainfluenciadelefectodebordeenelpronosticodeprecipitacionesutilizandodwtdiadicamodwtannyanfis AT jorgeramirezhernandez lainfluenciadelefectodebordeenelpronosticodeprecipitacionesutilizandodwtdiadicamodwtannyanfis AT sergioomarinfanteprieto lainfluenciadelefectodebordeenelpronosticodeprecipitacionesutilizandodwtdiadicamodwtannyanfis AT rafaelvillaangulo lainfluenciadelefectodebordeenelpronosticodeprecipitacionesutilizandodwtdiadicamodwtannyanfis AT michellehallackalegria lainfluenciadelefectodebordeenelpronosticodeprecipitacionesutilizandodwtdiadicamodwtannyanfis |