%0 Journal Article
%T Estimaci車n de datos faltantes en estaciones meteorol車gicas de Venezuela v赤a un modelo de redes neuronales
%A Saba Infante
%A Jos谷 Ortega
%A Fernando Cedeˋo
%J Revista de Climatolog赤a
%D 2008
%I Revista de Climatolog赤a
%X En el presente trabajo se propone un m谷todo de reconstrucci車n de series de tiempo de precipitaciones, para ser aplicado a las estaciones meteorol車gicas de Venezuela con el prop車sito de corregir el problema de datos faltantes. La metodolog赤a se fundamenta en dos t谷cnicas: la primera reconstruye la din芍mica y el tiempo de retardo del sistema din芍mico de la serie temporal, y la segunda utiliza un modelo de redes neuronales para predecir los datos faltantes. Los modelos de redes neuronales exploran la dependencia espacio temporal de los atributos meteorol車gicos de las series y constituyen una herramienta importante para la propagaci車n de la informaci車n relacionada con el clima, y adem芍s proveen soluciones pr芍cticas de incertidumbre asociados con la interpolaci車n y la captura de la estructura espacio temporal de los datos. Para llevar a cabo estos procedimientos, se ha determinado la dimensi車n de inmersi車n del atractor de las series y el tiempo de retardo, y luego se han usado estas medidas para definir la arquitectura de la red neuronal. El algoritmo utilizado para estimar los par芍metros de la red neuronal ha sido el de retropropagaci車n, que b芍sicamente actualiza los pesos del modelo en la direcci車n en que el gradiente decrece m芍s r芍pidamente. Para seleccionar la arquitectura de la red, se ha usado el criterio de informaci車n de Bayes (BIC), que consiste en penalizar el error cuadr芍tico medio de los par芍metros utilizados en el ajuste del modelo. Los resultados indican que las series de precipitaciones en Venezuela tienen alguna estructura subyacente no lineal, y provienen de un sistema ca車tico de bajas dimensiones. Los modelos de redes neuronales se han revelado 迆tiles para la reconstrucci車n de los datos faltantes de las series.The present work proposes a method of reconstruction of precipitation time series, to be applied to the meteorological stations of Venezuela with the purpose of correcting the problem of missing data. The methodology is based in two techniques: the first reconstructs the dynamics and the time of delay of the dynamic system of the temporary series and the second uses a model of neural network to predict the missing data. The model of neural network explores the spatio-temporal dependence of the meteorological attributes and constitutes an important tool for the propagation of the related weather information to provide practical solutions of uncertainties associated with interpolation, capturing the spatiotemporal structure of the data. To carry out these procedures, the embedding dimension of the time series attractor and time delay ar
%K Reconstrucci車n de Series Pluviom谷tricas
%K Sistemas Din芍micos
%K Modelos de Redes Neuronales
%K Reconstruction of Rainfall Time Series
%K Dynamical Systems
%K Models of Neural networks
%U http://webs.ono.com/reclim3/reclim08e.pdf