Aplicación del modelo Perceptrón Multicapa para el pronóstico de inundaciones por penetraciones del mar en la costa norte occidental de Cuba

Abstract

Las inundaciones por penetraciones del mar en la costa Norte de la región occidental de Cuba, son producidas por áreas formadoras de oleaje asociados a fenómenos meteorológicos peligrosos que transitan por el Golfo de México como bajas extratropicales, frentes fríos y huracanes. Dada una situación meteorológica peligrosa para esta área, se quiere predecir si se producirán o no inundaciones costeras por penetraciones del mar, a partir del análisis de los datos de los fenómenos meteorológicos anteriores, teniendo en cuenta el conjunto de valores de presión para la rejilla que abarca el Golfo de México. En la presente investigación se aplicó el modelo de Redes Neuronales Artificiales con aprendizaje supervisado: Perceptrón Multicapa, el cual establece una clasificación para la situación meteorológica de pronóstico actual asociado a bajas extratropicales y frentes fríos, empleando como herramienta la plataforma Weka. Se comprobó la efectividad de esta red para el pronóstico de inundaciones costeras por penetraciones del mar, determinando los valores del conjunto de parámetros correspondientes a este modelo.

Flooding by sea penetrations in the northern coast of western Cuba, are produced by waves forming areas associated with dangerous weather phenomenon transiting the Gulf of Mexico, as an extratropical low, cold fronts and hurricanes. Given a dangerous weather situation for this area, we want to predict whether or not there will be coastal flooding by sea penetrations, from analysis of data from past weather events, taking into account all pressure values for the grid covers the Gulf of Mexico. In the present study applied the model of Artificial Neural Networks with Supervised Learning: Multilayer Perceptron, which provides a classification for the current forecast weather conditions associated with extratropical low and cold fronts, using as a tool Weka platform. It proved the effectiveness of this network for the prediction of coastal flooding by sea penetrations, determining the values of all parameters of this model.