Diseño e implementación de un modelo de baja complejidad computacional para el pronóstico meteorológico en Colombia.

Abstract

En la actualidad, se ha logrado obtener modelos capaces de pronosticar hasta 72 horas, con baja incertidumbre, las condiciones meteorológicas en el mundo. Dada la naturaleza caótica del estado del tiempo, su simulación mediante modelos matemáticos es computacionalmente costosa implicando el uso de servidores robustos cuyos costos de adquisición, y adicionalmente de mantenimiento, son altos. Países en vía de desarrollo tecnológico, como, por ejemplo, Colombia, no cuentan con fácil acceso físico a estos servidores. Por lo anterior se plantea la necesidad de un modelo de baja complejidad computacional que permita realizar pronósticos meteorológicos, con baja incertidumbre y que admita retroalimentación. La propuesta es el diseño y la implementación de un modelo matemático lineal de baja complejidad para pronosticar el comportamiento cada 6 horas de las variables temperatura atmosférica, humedad relativa, geopotencial, omega, y las componentes U y V del viento. Este modelo será Markoviano y se desarrollará con un enfoque bayesiano y un esquema de asimilación de datos. Una vez formulado el modelo, se implementará en el lenguaje Matlab. Se usará la información meteorológica de Colombia disponible en la Administración Nacional Oceánica y Atmosférica (NOAA en inglés) de los últimos 11 años (2006 a 2016) para el entrenamiento de este modelo. Una vez obtenido el modelo, se procederá a validar usando información del presente año (2017). Finalmente, logramos un pronóstico lo suficientemente preciso de la variable omega utilizando nuestro modelo propuesto. Sin embargo, algunas variables no se distribuyeron normalmente, lo que produjo algunos errores en el pronóstico. En futuros trabajos, proponemos el uso de un modelo de mezcla bayesiano gaussiano o el uso de un modelo Markoviano de orden superior.

At present, it has been possible to obtain models capable of predicting up to 72 hours, with low uncertainty, the meteorological conditions in the world. Given the chaotic nature of the climate simulation using mathematical models it is computationally expensive, involving the use of robust servers whose acquisition and maintenance costs are high. Countries in the process of technological development, such as Colombia, do not have easy physical access to these servers. Therefore, the need arises for a model of low computational complexity that allows meteorological forecasts, with low uncertainty and that allows feedback. The proposal is the design and implementation of a linear mathematical model of low complexity to forecast the behavior every 6 hours of the variables: atmospheric temperature, relative humidity, geopotential, omega, and the U and V components of the wind. This model will be Markovian and will be developed with a Bayesian approach and a data assimilation scheme. Once the model is formulated, it will be implemented in the Matlab language. The meteorological information of Colombia available in the National Oceanic and Atmospheric Administration (NOAA in English) of the last 11 years (2006 to 2016) will be used for the training of this model. Once the model is obtained, it will be validated using information from the current year (2017). Finally, we achieved a forecast accurate enough of the omega variable using our proposed model. Nevertheless, some variables were not normally distributed, which produced some errors in the forecast. In future works we propose the use of a Bayesian Gaussian mixture model or the use of a Markoviano model of higher order.