Please use this identifier to cite or link to this item: http://hdl.handle.net/20.500.11765/10968
Postproceso estadístico de modelos con machine learning: una aplicación al gSREPS y al Harmonie
Title: Postproceso estadístico de modelos con machine learning: una aplicación al gSREPS y al Harmonie
Authors: Quintero Plaza, David ORCID Autor AEMET
Keywords: Postproceso; Estadística; Calibración; Machine learning; Modelos meteorológicos; Aplicaciones
Issue Date: 2019
Publisher: Agencia Estatal de Meteorología
Citation: Sexto Simposio Nacional de Predicción, Memorial Antonio Mestre. Madrid: Agencia Estatal de Meteorología, 2019, p. 139-144
Publisher version: https://dx.doi.org/10.31978/639-19-010-0.139
Abstract: Las técnicas de machine learning o aprendizaje automático, provenientes del campo de la Inteligencia Artificial, están demostrando ser extraordinariamente exitosas para extraer significado de un conjunto de datos. En este trabajo se ha buscado aplicar las técnicas de machine learning al postproceso estadístico de dos modelos: el ensemble gSREPS de AEMET y el Harmonie v40. Para el caso del gSREPS se ha hecho una calibración determinista, miembro a miembro, de la temperatura a 2 metros, velocidad del viento a 10 metros y precipitación en 24 horas en varios aeropuertos de España, que representan diferentes condiciones climáticas. Para el Harmonie v40 el objetivo ha sido mejorar la predicción vectorial del viento a 10 metros en el aeropuerto de Tenerife Sur. Los resultados han sido muy buenos con el viento y la temperatura. Para la precipitación existe, como era de esperar, algo más de ambigüedad.
Description: Ponencia presentada en: VI Simposio Nacional de Predicción, celebrado en los servicios centrales de AEMET, en Madrid, del 17 al 19 de septiembre de 2018.
URI: http://hdl.handle.net/20.500.11765/10968
Appears in Collections:6º Simposio Nacional de Predicción (2018)


Files in This Item:
  File Description SizeFormat 
SNP6_SESIÓN_3_pp139_1...
1,05 MBAdobe PDFThumbnail
View/Open
Show full item record



Items in Arcimís are protected by Creative Commons License, unless otherwise indicated.

Arcimís Repository
Nota Legal Contacto y sugerencias