Forescat modeling of spatio-temporal raster data using principal component analysis and a neural networks - wavelet decomposition model

• Autor: Amao Suxo, Christian
• Formato: tesis de maestría
• Fecha de Publicación: 2018
• Institución: Consejo Nacional de Ciencia Tecnología e Innovación
• Repositorio: CONCYTEC-Institucional
• Lenguaje: inglés
• OAI Identifier: oai:repositorio.concytec.gob.pe:20.500.12390/1718
• Enlace del recurso: https://hdl.handle.net/20.500.12390/1718
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales; Predicciones; Datos ráster; https://purl.org/pe-repo/ocde/ford#1.01.02

En la actualidad, el pronóstico de datos espacio - temporales ha sido de especial interés para investigadores académicos y profesionales de la industria por su gran utilidad para planificar y desarrollar medidas de contingencia contra futuras condiciones adversas. En este trabajo se pro¬pone una metodología para el pronóstico de mapas tipo ráster. Siguiendo una metodología de resumir-predecir-y-reconstruir, el método sugiere reducir la dimensionalidad de los datos usando un análisis de componentes principales para luego realizar pronósticos individuales sobre las com¬ponentes o auto vectores más significativos. Finalmente, un algoritmo recursivo, aplicado sobre la reconstrucción inversa espectral de los pronósticos individuales, brinda el pronóstico final de los mapas. La metodología propuesta da lugar a tres modelos: el modelo espacial de componentes princi¬pales (ECP), el modelo temporal de componentes principales (TCP) y el modelo espacio - temporal de componentes principales (ETCP). Con el fin de evaluar su capacidad de pronóstico, se real¬iza un estudio de simulación considerando datos con una estructura de variabilidad espacial pura, temporal puro y espacio - temporal. Los resultados sugieren usar un modelo TCP (o ECP) cuando la variabilidad temporal (o espacial) es predominante. Para datos con similar información en la variabilidad espacial y temporal, el modelo ETCP brinda los mejores resultados de pronóstico. El trabajo culmina con una aplicación real en datos mensuales de anomalías de temperatura superficial del mar del océano Pacífico Tropical.