Nuevos algoritmos predictivos sobre meteorología

Imagen: Universidad de Alcalá

El proyecto HAMLET ayudará a predecir olas de calor, olas de frío y otros eventos extremos de meteorología. HAMLET plantea  el desarrollo de nuevos algoritmos híbridos de Inteligencia Artificial y Aprendizaje Máquina (basados en metaheurísticas y redes neuronales) para abordar distintos problemas del mundo real.

 

UAH / El Proyecto HAMLET (Hybrid Algorithms combining Machine-Learning and meta-hEurisTics for ordinal classification and prediction) está financiado por el Plan Nacional de Investigación Científica y Técnica, coordinado por las Universidades de Alcalá y Córdoba (UCO) y plantea  el desarrollo de nuevos algoritmos híbridos de Inteligencia Artificial y Aprendizaje Máquina (basados en metaheurísticas y redes neuronales) para abordar distintos problemas del mundo real.

Este tipo de algoritmos puede extenderse al estudio de otros sistemas similares, tales como detección de sequías, olas de calor o el estudio del clima futuro

HAMLET está dividido en dos subproyectos, uno por cada grupo participante. En el caso de la UAH se utilizarán los algoritmos para la evaluación de recursos energéticos renovables, climatología y meteorología. ‘En este área se están abordando problemas sobre el impacto del cambio climático en la distribución espacio-temporal de recursos de energías renovables, así como la predicción de eventos extremos en meteorología (olas de calor, olas de frío, rampas de viento, eventos de baja visibilidad, precipitación convectiva, etc.) y climatología (distribución espacio temporal de sequías y sus precursores, entre otros)’, según explica el profesor Sancho Salcedo Sanz, del Departamento de Teoría de la Señal y Comunicaciones, líder del proyecto en la UAH y coordinador del grupo de investigación GHEODE.

Asimismo, este tipo de algoritmos puede extenderse al estudio de otros sistemas similares, tales como detección de sequías, olas de calor o el estudio del clima futuro. ‘Este tipo de técnicas de Inteligencia Artificial pueden predecir el desarrollo y evolución de diversos recursos naturales de energía limpia, como la energía eólica y solar, y otras potencialmente muy importantes, tales como la energía marina’, ha matizado el profesor de la UAH. De la misma manera, este tipo de algoritmos podrían ser útiles en la predicción estacional de fenómenos extremos: ‘En estos casos se trata de encontrar las variables climatológicas relacionadas con la aparación de este tipo de eventos, se trata de resolver problemas de selección de características con el objetivo de mejorar la predicción estacional’ señala Salcedo.

Para conseguir los objetivos marcados los investigadores de la UAH desarrollan algoritmos de inspiración natural avanzados

El grupo GHEODE ya tiene una amplia experiencia en la aplicación de algoritmos de Aprendizaje Máquina e Inteligencia Artificial en aplicaciones de energía y medioambiente. ‘Los algoritmos de predicción y optimización desarrollados en este proyecto tienen como objetivo mejorar las prestaciones de los actuales sistemas de predicción, y ahondar en el estudio de patrones climatológicos que puedan verse afectados por el cambio climático’, explica Salcedo, quien agrega que la aplicación de algoritmos de inteligencia artificial en meteorología, climatología y estudio de cambio climático es una línea puntera de investigación a nivel mundial actualmente, ‘y el proyecto HAMLET es la apuesta de nuestro grupo, y por ende de la UAH, para contribuir a esta investigación sobre el cambio climático y su efecto en los sistemas de energía renovable que actualmente están activos’.

Interrelaciones en sistemas naturales y humanos. El proyecto HAMLET se centra en descubrir algunas de estas interacciones en ciertos sistemas (Energías Renovables) y modelarlas con sistemas de Aprendizaje Máquina.

Para conseguir los objetivos marcados los investigadores de la UAH desarrollan algoritmos de inspiración natural avanzados (en concreto, algoritmos de co-evolución, multi-métodos y ensembles), búsqueda con portfolio de algoritmos, estimación automática de parámetros, así como algoritmos de inspiración fractal. En este subproyecto se proponen también la hibridación de estas técnicas con algoritmos de predicción de tipo neuronal y aprendizaje estadístico.

 

El proyecto de la UCO

El grupo de la UAH trabaja en coordinación con el equipo de la UCO, que lidera el profesor César Hervás Martínez. El subproyecto de la UCO se centra en el desarrollo de algoritmos de clasificación ordinal, problemas singulares desbalanceados y algoritmos de aprendizaje profundo para resolver problemas relacionados con la biomedicina, tales como la asignación donante-receptor en trasplante hepático, el análisis de imágenes médicas para la detección de melanoma y de párkinson y de sus diferentes grados de severidad o la asignación de tratamiento a grupos de pacientes coinfectados por el VIH/VHC, en coordinación con el plan estratégico nacional español.

Dejar comentario

Deja tu comentario
Pon tu nombre aquí