Agencia Estatal de Meteorología

Autor:

Rafael Ancell Trueba (Delegación territorial de AEMET en Cantabria)

Reseña:

Esta publicación contiene la tesis doctoral del autor en la que se plantea el objetivo general de desarrollar un método global e integrado capaz de proporcionar predicciones locales de forma colectiva, considerando la coherencia espacial para un conjunto de localidades en un dominio específico. Se propone abordar este problema para el caso discreto o categórico (por ejemplo, "lluvia" y "no lluvia"), considerando un modelo conjunto que permita predecir de forma coherente todas las localidades simultáneamente. Para ello, se adaptan y aplican las redes probabilísticas (en particular las redes bayesianas), que son herramientas de minería de datos populares en otras disciplinas, pero que han sido aplicadas en contadas ocasiones en meteorología; por ejemplo, en predicción local de granizo y en predicción de brisa.

En esta publicación se realiza una primera aproximación a distintos problemas meteorológicos (diagnosis, predicción, clasificación e interpolación) a la vez que se analiza en detalle la aplicación de estos modelos para la predicción local multivariada, aprovechando las ventajas que ofrece esta metodología y adaptando aquellos aspectos que han de ser optimizados para su correcto funcionamiento en el problema analizado.

Índice:

1. Objetivos y resumen de la tesis

Parte I. Estado del conocimiento

2. Predicción meteorológica

3. Minería de datos. Redes bayesianas

4. Medidas de verificación de predicciones probabilísticas

Parte II. Aportaciones

5. Dominios de estudio y datos utilizados

6. Aplicaciones de las redes bayesianas en meteorología

7. Paradigmas de predicción probabilística local

8. Algoritmos de aprendizaje para la predicción local

9. Predicción local con redes bayesianas

10. Downscaling en redes heterogéneas

11. Conclusiones y trabajo futuro

Parte III. Bibliografía

Bibliografía