| Journal: | Tecnología y ciencias del agua |
| Database: | PERIÓDICA |
| System number: | 000408204 |
| ISSN: | 0187-8336 |
| Authors: | Rousseau Figueroa, Pablo Andrés Ramírez Hernández, Jorge1 Infante Prieto, Sergio Omar2 Villa Angulo, Rafael1 Hallack Alegría, Michelle2 |
| Institutions: | 1Universidad Autónoma de Baja California, Instituto de Ingeniería, Mexicali, Baja California. México 2Universidad Autónoma de Baja California, Facultad de Ingeniería, Arquitectura y Diseño, Ensenada, Baja California. México |
| Year: | 2016 |
| Season: | May-Jun |
| Volumen: | 7 |
| Number: | 3 |
| Pages: | 93-114 |
| Country: | México |
| Language: | Español |
| Document type: | Artículo |
| Approach: | Aplicado, descriptivo |
| Spanish abstract | 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 |
| English abstract | The influence of the edge effect by using Neuro-fuzzy Wavelet hybrid models to forecast monthly time series of precipitation one month in advance is analyze in this study. In order to implement the models, data from climatologic station, located at Emilio Lopez Zamora dam in the city of Ensenada northwestern Baja California, Mexico, was used. In particular we explore four methods: a) Discrete Wavelet Transform using the Mallat algorithm (DWT); b) Maximal Overlap Discrete Wavelet Transform (MODWT); c) Feed Forward Back Propagation (FFBP), and, d) Adaptive-Network-based Fuzzy Inference System (ANFIS). Two preprocessing approaches currently used in the literature to predict climatic series of hydrological variables were applied. In the first approach, four methods for performing convolution transform are used and discussed their relationship with the phenomenon of edge effect. The results show that the hybrid model used has a significant influence to improve network training for prediction purposes, however the opposite happens at forecasting step due to edge effect. Meanwhile, in the second approach, we found that reconstruction of time series must be done using wavelet coefficients of five year scales period, but the results show that there is a significant noise component in the signal. Finally, it was found that the easier and recommended method to be used for this type of time series is self ANFIS |
| Disciplines: | Geociencias |
| Keyword: | Ciencias de la atmósfera, Pronóstico de lluvia, Efecto de borde, Transformada Wavelet discreta, Algoritmo de Mallat |
| Keyword: | Earth sciences, Atmospheric sciences, Rainfall forecast, Edge effect, Discrete wavelet transform, Mallat algorithm |
| Full text: | Texto completo (Ver HTML) |
