Modelo de serie temporal para pronosticar la temperatura superficial del mar en la zona costera de Paita (Perú)

Autores

  • Oscar J. M. Peña Cáceres Universidad Nacional de Piura
  • Manuel A. More More Universidad Nacional de Piura
  • Rudy Espinoza Nima Universidad Nacional de Piura
  • Henry Silva Marchan Universidad Nacional de Tumbes

DOI:

https://doi.org/10.37467/revtechno.v11.4458

Palavras-chave:

Fenómeno El Niño, Temperatura Superficial del Mar, Serie de Tiempo, Red Neuronal Artificial, Población

Resumo

Las técnicas de inteligencia artificial han evolucionado y fortalecido permitiendo desarrollar propuestas transversales que velen y salvaguarden la integridad del ser humano. El presente estudio tiene como objetivo, elaborar una serie de tiempo que pronostique la Temperatura Superficial del Mar (TSM) a escala promedio diaria en la zona costera de Paita, Perú. La metodología empleada se centró en cinco fases, desde la recolección de datos hasta la validación del modelo. Los resultados obtenidos dan a conocer que existe un margen de error del 3.96% sobre la TSM a escala promedio semanal y una diferencia de 0.05 a 1.42, de manera diaria.

Referências

Alonzo, R., Salguero, F., Javier, F., & Morales, A. (2021). Series Temporales Avanzadas: Aplicación de Redes Neuronales para el Pronóstico de Series de Tiempo. Universidad de Granada.

Astsatryan, H., Grigoryan, H., Poghosyan, A., Abrahamyan, R., Asmaryan, S., Muradyan, V., Tepanosyan, G., Guigoz, Y., & Giuliani, G. (2021). Air temperature forecasting using artificial neural network for Ararat valley. Earth Science Informatics 2021 14:2, 14(2), 711-722. https://doi.org/10.1007/S12145-021-00583-9

Bellagarda, A., Cesari, S., Aliberti, A., Ugliotti, F., Bottaccioli, L., Macii, E., & Patti, E. (2022). Effectiveness of neural networks and transfer learning for indoor air-temperature forecasting. Automation in Construction, 140, 104314. https://doi.org/10.1016/J.AUTCON.2022.104314

Cáceres, O. J. M. P., More, M. A. M., Sojo, R. E. C., & Silupu, E. R. G. (2022). Social distancing in the face of COVID-19: simulation of the maximum capacity of people through PHP. Ingenius, 27(27), 9-16. https://doi. org/10.17163/INGS.N27.2022.01

Castro, E. S., Alves, J. M. B., Da Silva, E. M., Campos, J. N., & Alves, A. O. (2020). Forecast of sea surface temperature (SST) in Tropical Atlantic with the use artificial neural networks. Revista Brasileira de Meteorologia, 35(3), 505-515. https://doi.org/10.1590/0102-77863540075

Choi, B., Bergés, M., Bou-Zeid, E., & Pozzi, M. (2021). Short-term probabilistic forecasting of meso-scale near- surface urban temperature fields. Environmental Modelling & Software, 145, 105189. https://doi. org/10.1016/J.ENVSOFT.2021.105189

Condori, P. P. C. (2020). Derivados financieros y los efectos del fenómeno El Niño en la rentabilidad de las empresas pesqueras y agroindustriales peruanas. Economía & Negocios, 2(1), 15-23. https://doi.org/10.33326/27 086062.2020.1.904

Hijar, G., Bonilla, C., Munayco, C. V., Gutierrez, E. L., & Ramos, W. (2016). Fenómeno el niño y desastres naturales: intervenciones en salud pública para la preparación y respuesta. Revista Peruana de Medicina Experimental y Salud Publica, 33(2), 300-310. https://doi.org/10.17843/RPMESP.2016.332.2205

Holguín, C., Díaz-Ricardo, Y., & Antonio Becerra-García, R. (2014). El lenguaje de programación Python. http://www.linuxjournal.com/article/2959

Kuroki, M. (2021). Using Python and Google Colab to teach undergraduate microeconomic theory. International Review of Economics Education, 38, 100225. https://doi.org/10.1016/J.IREE.2021.100225

Wolff, S., O’Donncha, F., & Chen, B. (2020). Statistical and machine learning ensemble modelling to forecast sea surface temperature. Journal of Marine Systems, 208, 103347. https://doi.org/10.1016/J. JMARSYS.2020.103347

Wu, A., Hsieh, W. W., & Tang, B. (2006). Neural network forecasts of the tropical Pacific sea surface temperatures. Neural Networks, 19(2), 145-154. https://doi.org/10.1016/J.NEUNET.2006.01.004

Downloads

Publicado

2022-12-29

Como Citar

Peña Cáceres, O. J. M., More More, M. A., Espinoza Nima, R., & Silva Marchan, H. . (2022). Modelo de serie temporal para pronosticar la temperatura superficial del mar en la zona costera de Paita (Perú). TECHNO REVIEW. International Technology, Science and Society Review Revista Internacional De Tecnología, Ciencia Y Sociedad, 11(5), 1–11. https://doi.org/10.37467/revtechno.v11.4458

Edição

v. 11 n. 5 (2022): Monografía: "Inovação de ponta baseada em textos acadêmicos de pré e pós-doutorado"

Seção

Artigos de pesquisa (monográfico)

Licença

Os autores/as que publicam nesta revista concordam com os seguintes termos:

  1. Os autores/as terão os direitos morais do trabalho e cederão para a revista os direitos comerciais.
  2. Um ano após a sua publicação, a versão do editor estará em acesso aberto no site da editora, mas a revista manterá o copyright da obra.
  3. No caso dos autores desejarem asignar uma licença aberta Creative Commons (CC), poderão a solicitar escrevendo a publishing@eagora.org