Un equipo de investigación de la Universidad de Alcalá ha desarrollado un método para predecir de manera eficiente la temperatura ambiente a corto y medio plazo. Mejora la precisión y el coste computacional de los métodos existentes, y es de aplicación en cualquier punto geográfico.

“Hemos desarrollado un sistema que usa diversas técnicas de computación neuronal, entre ellas distintos tipos de redes neuronales de tipo Perceptrón y Máquinas de Vectores Soporte”, asegura Sancho Salcedo Sanz, director de esta investigación e investigador de la Universidad de Alcalá.

“La novedad estriba en la inclusión en el sistema de variables meteorológicas locales y de tipo global, que estiman la dinámica atmosférica”, explica Salcedo. “El sistema de predicción final es muy rápido, robusto y portable, de forma que se puede aplicar en distintos escenarios de predicción (localizaciones interiores, como invernaderos, o exteriores) y para distintos puntos geográficos. Basta con tener disponibles datos meteorológicos para ese punto concreto”.

La rapidez del sistema permite calcular en tiempo real las variaciones de temperatura –gran inconveniente de este tipo de algoritmos– y gracias a su portabilidad no requiere de grandes ordenadores para obtener las predicciones y puede ejecutarse en distintas plataformas.

Pruebas en el aeropuerto de Barcelona-El Prat

Los investigadores han probado el método en diferentes escenarios de aplicación, con datos de distintas estaciones de meteorología de Europa (Figura 1), entre ellos del aeropuerto de Barcelona-El Prat. En esta localización se obtuvieron resultados que avalan la calidad del sistema de predicción propuesto.

“En el caso de las estaciones europeas el sistema se calibró para la predicción de temperatura máxima diaria. En los datos del aeropuerto de Barcelona probamos el sistema en predicción a corto plazo (desde una hasta seis horas). Obtuvimos mejores resultados que otras aproximaciones previas al problema”, subraya Salcedo.

Hasta ahora, la predicción actual de temperatura en un punto que no sea salida del modelo Hirlam (el que utiliza la Agencia Estatal de Meteorología), se realiza mediante técnicas de regresión clásicas. “Nuestro modelo obtiene resultados notablemente mejores que estas técnicas clásicas, con un coste computacional ligeramente mayor, por lo que una aplicación directa sería la mejora de la predicción diaria de temperatura que nos da la AEMET”, expone el investigador.

Por otro lado, la predicción de temperatura también se utiliza en la previsión de consumo de energía y también está relacionada con la carga máxima que un avión es capaz de soportar en el despegue. “Hay muchísimas más aplicaciones para un sistema como el que hemos desarrollado, entre ellas la predicción in situ de temperaturas extremas en cultivos, invernaderos y edificios para control energético” concluyen los investigadores a cargo de este trabajo. Fuente: Universidad de Alcalá/ SINC

.