Pronóstico de visibilidad horizontal y temperaturas para el Aeropuerto de Trujillo mediante el uso de redes neuronales artificiales de retropropagación

Abstract

Es casi imposible hablar de cualquier aspecto de la aviación, sin hacer referencia al entorno meteorológico en el cual una aeronave opera. La no previsión oportuna de los fenómenos meteorológicos adversos para la aviación puede producir retrasos o cancelaciones de los vuelos, generando grandes costos económicos para las compañías aéreas y los pasajeros. Las nuevas tecnologías computacionales que se van desarrollando, permiten una actualización de las técnicas de pronóstico del tiempo, teniendo a las redes neuronales artificiales como un nuevo paradigma de interés. En la presente investigación se realizó el pronóstico de las variables meteorológicas de visibilidad horizontal y temperaturas máximas y mínimas en el aeropuerto internacional de Trujillo utilizando Redes Neuronales Artificiales de Retropropagación (del inglés backpropagation) analizando e identificando las condiciones climatológicas y sistemas meteorológicos de influencia que predominan sobre el lugar. Teniendo como variables de entrada para la Red Neuronal datos diarios de la temperatura máxima y mínima de los años 2008 al 2017 y datos horarios de la visibilidad horizontal de los años 2013 al 2017 del aeropuerto de Trujillo, además de las variables explicativas como índices globales y otras variables meteorológicas locales. Las Redes Neuronales utilizadas para el análisis de la temperatura máxima y mínima del aire constan de ocho neuronas en la capa de entrada y en la capa oculta, y una capa de salida de una neurona; y para la visibilidad horizontal consta de diez neuronas en la capa de entrada y en la capa oculta, y una capa de salida de una neurona. Los resultados mostraron que, para las variables de temperaturas máximas y mínimas, los valores pronosticados y observados son muy cercanos entre sí con una tendencia similar; y para la variable de visibilidad horizontal, se perciben diferencias significativas, sin embargo, sí muestran patrones de tendencia similares.

It is almost impossible to talk about any aspect of aviation without reference to the meteorological environment in which an aircraft operates. Failure to forecast adverse weather events for aviation in a timely manner can lead to flight delays or cancellations, generating large economic costs for airlines and passengers. The new computational technologies that are being developed, allow an update of weather forecasting techniques, with artificial neural networks as a new paradigm of interest. In the present investigation, the forecast of the meteorological variables of horizontal visibility and maximum and minimum temperatures at the Trujillo airport was carried out using Backpropagation Neural Network (BNN), analyzing and identifying the climatological conditions and meteorological systems of influence that govern the place. Having as input variables for the BNN, daily data of the maximum and minimum temperature from the years 2008 to 2017 and hourly data of the horizontal visibility from the years 2013 to 2017 of the Trujillo airport, in addition to the explanatory variables such as global indices and other local weather variables. The BNNs used for maximum and minimum air temperature analysis consist of eight neurons in the input and hidden layer and an output layer of one neuron; and for horizontal visibility it consists of ten neurons in the input and hidden layer, and an output layer of one neuron. The results showed that, for the maximum and minimum temperature variables, the predicted and observed values are very close to each other with a similar trend; and for the horizontal visibility variable, significant differences are perceived, however, they do show similar trend patterns.