Información CCS Acatlán
Modelos de Inteligencia Artificial (IA) pueden ser útiles para estudios de medición de patrones climáticos, que ayudarían en sectores clave, como la planeación urbana, la producción agrícola o tareas de protección civil, afirmó Víctor Manuel Landassuri Moreno, ingeniero en Computación de la Universidad Autónoma del Estado de México.
Al impartir la ponencia Interpolación de Series de Tiempo Meteorológicas en el Estado de México, el especialista explicó que las series de tiempo son secuencias de observaciones ordenadas de forma cronológica, registradas en intervalos de tiempo regulares y pueden representarse como una función matemática. Es la evolución de variables atmosféricas a lo largo del tiempo.
Las variables más comunes: la temperatura ambiente, humedad relativa, velocidad y dirección del viento, lluvias y radiación solar, añadió el también maestro en Ciencias y doctor en Ciencias de la Computación por la Universidad de Birmingham, Reino Unido, en el Primer Congreso Internacional de Inteligencia Artificial, organizado por la Universidad Nacional Autónoma de México (UNAM).
Con frecuencia, los datos meteorológicos son incompletos debido a fallas en las estaciones meteorológicas, baja conectividad o errores humanos, por lo que los modelos de IA, debidamente aplicados y entrenados, representan la alternativa para llenar los vacíos de datos, hacer predicciones climáticas y con ello emprender acciones en rubros como planificación territorial, gestión del agua, energía y medio ambiente, expuso.
El especialista proporcionó detalles de los diversos modelos empleados para dicha tarea, como la interpolación lineal y polinominal, el spline cúbico y las redes neuronales artificiales.
Entre los retos para la efectividad de estos modelos, figuran la gran cantidad de datos faltantes en algunas estaciones, limitaciones computacionales para aplicar modelos complejos en tiempo real o en plataformas con pocos recursos, así como validación difícil de interpolaciones a falta de datos reales con qué comparar, además de que la diversidad climática requiere modelos adaptativos según la región.
Los modelos de predicción y análisis dependen de series completas para identificar patrones, estacionalidades y tendencias, por lo que pueden impedir el entrenamiento de modelos de IA, puntualizó Landassuri Moreno.
Hecho en México, todos los derechos reservados 2025. Esta página puede ser reproducida con fines no lucrativos, siempre y cuando no se mutile, se cite la fuente completa y su dirección electrónica. De otra forma, requiere permiso previo por escrito de la institución.
El contenido aquí expuesto no necesariamente refleja la opinión de la institución, y es responsabilidad exclusiva del administrador del blog.