Se trata de ofrecer una interpretación objetiva (de alta resolución espacio-temporal), de los fenómenos meteorológicos que cabria esperar de producirse las condiciones previstas por un Modelo 'X'. Para ello se emplea un Base de Datos con información diaria de Completas, Automáticas, Radiosondeos y Estaciones Termo y Pluviométricas de Asturias, Cantabria, País Vasco y su entorno (ésta BD contiene las series diarias 860101-941231 con 4.551.550 datos interrelacionados). La metodología empleada es púramente estadística, basada en criterios de Analogías y Regresiones Múltiples. Tras 5 años de pruebas, segun va creciendo la BD, los resultados mejoran, esperandose operatividad con garantías para fin de 1997. Así el predictor ejercerá una labor más crítica.
1. Introducción.
Un Sistema Experto, es la primera aplicación práctica de la Inteligencia Artificial, y esta considerado en el nivel más bajo de la escala de sistemas inteligentes. Se trata de programas de ordenador capaces de simular la experiencia de un experto en una disciplina dada. Técnicamente se podría definir como un programa interactivo entre una BD y un usuario, que sirve para tomar decisiones. Algunos hitos son: Jugador de Damas (Arthur Samuel 1946), Diagnosis Clínica (ELIZA 1964), Estructuras Moleculares (DENDRAL 1965), Conversaciones (SHRDLU 1971), Traductores (SYSTRAN 1981), Ingeniería Genética (MOLGEN 1975), Resolución de Ecuaciones, etc. Por otra parte hay que citar otros campos alternativos de la IA, bastante bien desarrollados como son: Redes Neurales (simulando el comportamiento de las neuronas cerebrales), Lógica Difusa (donde Verdadero y Falso se difunden de manera que un enunciado puede ser 20% Verdadero y 80% Falso) y la Realidad Virtual (capaz de simular casi cualquier cosa).
2. Base de Datos.
Es la materia prima sobre la que trabaja el Programa Principal, su contenido se halla estructurado de la siguiente manera:
2.1. Predictores.
Son los Campos Meteorológicos Fundamentales (z, T, h, u & v) a diferentes niveles (1000, 850, 700, 500 & 300) en puntos donde se realiza diariamente Radiosondeo-RS- ( La Coruña-CR-, Santander-ST-, Burdeos-BX- y Zaragoza-ZG-). Hay por tanto, 25 predictores por estación RS (total 100). Estos datos se encuentran organizados en 8 ficheros, 2 por estación RS (uno para 12z y otro para 00z). Cada fichero contiene la serie 860101-941231, sumando un total de 730.000 datos entre los 8 ficheros. Estos datos serán utilizados inicialmente como filtros con el fin de identificar a qué familia pertenece el tipo de día que predice el Modelo 'X' a través de los Campos Previstos -interpolados para los puntos con estación RS por la Macro YLEGD (facilitada por el STAP I.N.M.)-y posteriormente serán empleados como predictores en las ecuaciones de regresión.
2.2. Predictandos.
Hay 3 tipos de ficheros:
2.2.1. Ficheros de Completas.
Hay un fichero para cada estacion Completa de la zona; las estaciones empleadas son: Avilés, Oviedo, Gijón, Santander, Sondica, Foronda y Fuenterrabía. En cada fichero hay un resumen de datos diarios que contiene las
siguientes variables: Tx (temperatura máxima), Tn (temperatura mínima), R07 (precipitación acumulada de 00z a 07z) , R713 (precipitación acumulada de 07z a 13z), R1318 (precipitación acumulada de 13z a 18z) , R1824 (precipitación acumulada de 18z a 24z), I07 (insolación entre 00z y 07z), I713 (insolación entre 07z y 13z), I1318 (insolación entre 13z y 18z), I1824 (insolación entre 18z y 24z), V0 (velocidad a las 00z), V7 (velocidad a las 07z), V13 (velocidad a las 13z), V18 (velocidad a las 18z), D0 (dirección a las 00z), D7 (dirección a las 07z), D13 (dirección a las 13z), D18 (dirección a las 18z), VX (racha máxima), DX (dirección de la racha máxima) & VI7 (visibilidad a las 07z). Total 21 variables por estación. Las series cubren 860101-941231, resultando en total 536.550 datos en el apartado de completas.
2.2.2. Ficheros de Estaciones termo-pluviométricas.
Hay 6 ficheros, uno por variable, con las 60 estaciones más fiables y representativas de la región (según un estudio realizado por la Sección de Climatología del C.M.T. de CAS). Cada fichero contiene para las 60 estaciones una de las siguientes variables: Tx (temperatura máxima), Tn (temperatura mínima), R77 (precipitación acumulada de 07z a 07z del día siguiente), NV (si hubo o no nieve), TR (si hubo o no tormenta) & NB (si hubo o no niebla). El contenido total de estos 6 ficheros es de 1.752.000 datos.
2.2.3. Ficheros de Estaciones Automáticas.
Hay 20 estaciones Automáticas seleccionadas, cuya estructura es exactamente la misma que las Completas, resultando 20 ficheros con un total de 1.533.000 datos.
3. Esquema de funcionamiento.
HIPOTESIS FUNDAMENTAL: Campos meteorológicos similares producen -salvo casos aislados de Inestabilidad Estructural (Saunders, 1983; Woodcock, 1986; 'Teoría de Catástrofes')- fenómenos meteorológicos similares.
DEFINICION: Dos días se dicen meteorológicamente similares cuando lo son sus campos meteorológicos fundamentales (Z, T, h, u & v).
3.1. Similitud Estructural. Búsqueda y Selección.
Asumiendo ésta perspectiva, el primer problema a resolver es: encontrar entre los 3285 días que de momento contiene la BD, los 30 más parecidos al día problema. Si se es demasiado exigente, puede ocurrir que ningun día de la BD supere los filtros establecidos, y si se es demasiado tolerante, no seremos capaces de conseguir un grupo con características bien definidas. En lenguaje técnico hay que conseguir un grupo de días que cumplan simultáneamente la pertenencia al Cluster cuyo Centro está definido por el día problema, y que además cubra al máximo el espectro de variación Dentro del Cluster -de esta manera se podrá extraer información acerca del comportamiento de dicha familia o Cluster bajo diferentes condiciones- éste es el motivo principal de elegir 30 como número de días similares.
3.1.1. Filtros y Algoritmos empleados.
Este apartado resume todo el contenido Físico del Sistema Experto (que es muy escueto) y el resto es pura Estadística Empírica. Trata de la elección subjetiva de cuáles son las variables predictoras -o combinaciones de ellas- que serán empleadas como filtros para seleccionar los 30 días estructuralmente similares al día problema.
Hay dos categorías de filtros, los Excluyentes (E), que descartan los días que claramente pertenecen a otros Cluster -es un mecanismo conocido como PODA, que consiste en eliminar, p. ej., días con flujo de Sur en una situación de Norte-; y los Selectivos (S), que seleccionan del Cluster los 30 días que mas cerca se hallan del Centro del Cluster -es decir aquellos cuya Distancia Generalizada N-dim al día problema es menor-.
La lista de Filtros empleados es:
El símbolo 'delta' colocado delante de todas las ecuaciones indica diferencias entre el día problema y el día de la BD. El símbolo 'grad' que aparece a continuación en las 4 primeras significa Gradiente Horizontal entre dos puntos (tomando como unidad la distancia entre dichos puntos) en las tres primeras y Gradiente Vertical entre 500 y 1000 mb en la 4. (tomando como unidad la distancia media 500-1000). A modo de ejemplo, la interpretación literal de la ecuación 1 sería: solo se admiten días cuyo gradiente horizontal de Geopotencial en 1000 mb entre Bx y Cr difiera en menos de 150 mgp con el mismo gradiente del día problema. Los días aceptados como estructuralmente similares (ES), han de superar simultáneamente todos los filtros. Evidentemente a medida que la BD vaya creciendo se podrán exigir umbrales más pequeños consiguiendo así familias de días mucho más parecidas al día problema.
Aunque la elección de estos filtros y umbrales es subjetiva no es ni mucho menos arbitraria, ya que se ha tratado de combinar aspectos dinámicos y térmicos de manera que el perfil de la atmósfera quede caracterizado al máximo mediante estos filtros. Se obliga a que la onda tenga parecida forma, parecida curvatura, parecida advección de temperatura y vorticidad, parecida intensidad de viento y contenido de humedad, parecida inestabilidad; todo esto haciendo más hincapié en los aspectos térmicos en niveles bajos y en los dinámicos en niveles medios y altos.
De entre los días aceptados como ES hay que seleccionar los 30 mejores, aquí es donde intervienen los filtros selectivos, que son los 7 restantes, y que mediante una combinación lineal generan un número que indica el grado de proximidad al día problema. La c.l. actual es:
Los 30 días cuyo valor de SIMIL sea menor, se ordenan de menor a mayor, con el objeto de realizar una regresión múltiple ponderada, en la cual el día más parecido pesará más que el menos parecido del grupo de 30. Así, al día más parecido se le asigna un peso de 30, al segundo 29,...., y al trentaavo se le asigna un peso de 1. Las fechas y los pesos asociados se guardan en un archivo intermedio llamado 'Simil' que actúa como input de un subprograma llamado 'Cepp1' que es el encargado de generar las tablas de predictores y predictandos seleccionadas para cada PINI del Modelo. La BD sería perfecta si
no tuviese lagunas ni datos erróneos o al menos sospechosos, como no es así hay que realizar un estricto control de calidad.
3.2. Control de calidad. Eliminacion de outlayers.
Dentro de cada cluster de 30 días que contiene 100 predictores y 947 predictandos, es obligado proceder a la eliminación de datos que puedan ser erróneos. Para ello empleamos una técnica muy sencilla que consiste en calcular la media y la varianza de cada una de las 1047 variables de 30 elementos cada una, eliminando aquellos elementos que se salgan del rango
3.3. Regresiones.
Dentro de cada cluster (muestra de 30 elementos) se calculan todos los coeficientes de correlación simple entre predictores y predictandos, seleccionando el que mejor coef. corr. presente y calculando a continuación los residuos, sobre los que se repite el proceso hasta que el predictor seleccionado no supere un coef. corr. mínimo. o se llegue a 5 términos en la regresión.
A continuación a partir de la ecuación de regresión obtenida, se genera la serie de predicciones y los correspondientes residuos, rechazando aquellos elementos de la muestra cuyo residuo se salga del rango
Una vez obtenida la ecuación de regresión con su coeficiente de correlación y su error estandar, no queda mas que introducir los predictores predichos por el Modelo para obtener la predicción en la Estación, Variable y PINI especificados.
Este proceso se repetirá tantas veces como Pinis x Variables x Estaciones, resultando 1.047 regresiones por Pini. Como es lógico, tal volumen de datos ha de ser informatizado y presentado en forma de gráficos y mapas para su consulta. Otro subprograma se encarga de traducir las predicciones a lenguaje técnico por zonas, de acuerdo con los criterios establecidos en el Manual de Términos Meteorológicos.
3.4 Traducción a lenguaje técnico.
El subprograma 'Lope' realiza esta tarea que consiste en generar automáticamente un boletín con referencia a la fecha, periodo de predicción y área de aplicación, así como el Modelo Numérico empleado, la pasada y el PINI.
Este programa se encarga de seleccionar aquellas variables alfanuméricas que se corresponden con los umbrales establecidos. Por ejemplo:
IF prec<=30 THEN prec$="Precipitaciones fuertes"
IF prec<=15 THEN prec$="Precipitaciones moderadas"
IF prec<=2 THEN prec$="Precipitaciones débiles"
IF prec=0 THEN prec$="No se esperan precipitaciones"
De igual modo se opera con los términos: posible, probable, intervalos, variable, ocasional, persistente, frecuente, intermitente, contínuo, disminución, aumento, generalizado, disperso, arreciar, amainar, subir, bajar, sin cambios, etc.
Sólamente queda encadenar las variables alfanuméricas para cada zona y ya está generado el boletín para que el predictor pueda hacer la consulta pertinente.
4. Evaluación de prestaciones (provisional).
En su estado actual el S.E. ha sido probado para una muestra aleatoria de 30 salidas D+1 del Modelo CEPPM , con los siguientes resultados:
Lugar de predicción: Santander-Centro.
Muestra aleatoria de 30 días de Oct-95 a Feb-96.
Periodo de predicción D+1.
Variables analizadas: T. Máx, T. Mín y Prec acumulada cada 12H.
Método de evaluación: Coef. Corr. lineal simple entre los valores previstos y los reales -téngase en cuenta que aquí se acumula el error propio del Modelo empleado junto con el propio del S.E.-.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Para los mismos días, el Modelo CEPPM dió un Coef. Corr. lineal simple de .57 en la predicción de precipitación acumulada cada 12h para Santander-Centro. Por supuesto esta evaluación es provisional, ya que hay que probar en diferentes puntos y con series más largas. Por otro lado el S.E. no está todavía al máximo rendimiento por lo que cabe esperar alguna ligera mejoría en sus prestaciones segun vaya creciendo su base de datos y se vayan mejorando los filtros y algoritmos que emplea.
5. Presentación de resultados.
Como ya se ha dicho anteriormente, para poder asimilar la gran cantidad de de datos de salida que proporciona el Sistema Experto, es necesario recurrir a representaciones en forma de Mapas, Gráficos y Tablas. Este cometido se realizará empleando programas comerciales como WINSURFER para la obtención de mapas a partir de ficheros en formato '.GRD' que son generados directamente por el S.E.; los gráficos y tablas se realizarán mediante LOTUS a partir de ficheros en formato '.TXT' tambien generados directamente por el S.E. Quedan por hacer las 'macros' que automaticen completamente estas tareas.
A continuación se da un ejemplo de salida gráfica del S.E.:
6. Conclusiones.
Sólo gracias al enorme potencial de cálculo que tienen hoy los nuevos ordenadores personales es posible realizar Estadísticas Empíricas en Tiempo Real (EETR). En ellas se pueden recalcular las ecuaciones de regresión para cada caso particular, por lo que su nivel de especialización y capacidad de adaptación es mucho mayor.
Por sus características, se adapta automática e instantáneamente a cualquier tipo de Modelo Numérico. Cuanto mas perfecto sea el Modelo Numérico mas perfecta será la interpretación. Por supuesto tambien se verá arrastrado por
cualquier fallo de predicción del Modelo Numérico (recuerdese que el Sistema Experto sólo se limita a interpretar y matizar los campos predichos por el Modelo).
La mejor virtud que de momento se le puede atribuir es la de ofrecer la posibilidad de emitir pronósticos locales, lo que tiene la ventaja de no necesitar conocer parfectamente el comportamiento del clima de cada valle o subregión.
Aunque ofrece datos numéricos y probabilidades, debe ser interpretado cualitativamente en el sentido de donde lloverá más, donde menos, dónde hará más calor, dónde más viento, cuándo culminará determinada situación o cuándo se extinguirá.
Ha sido empleado con gran éxito en el episodio de nevadas de Feb-1996, como apoyo a la predicción.
Otras utilidades que admite el S.E. s on la de Simulador de Casos Extremos, sin más que introducir manualmente las condiciones límite supuestas como si de una predicción numérica se tratase. También es un Detector de Leyes, para lo que sólo hay que emplear su propia Base de Datos y generar un fichero particionado de ecuaciones de regresión.
En los 5 años de pruebas y diferentes métodos de operación, la efectividad del S.E. ha ido creciendo fundamentalmente por dos razones: primero porque ha crecido la Base de Datos que le sustenta y segundo porque se ha ido refinando el método de selección y regresión.
Referencias.
Ayuso J.: Predicción Estadística Operativa en el I.N.M. B-34. I.N.M.
Barghava M. & Danard M., 1994: Application of optimum interpolation to the analisys of precipitation in complex terrain. Journal of Applied Met. vol 33, pp. 508-518.
Borrajo D. y otros: Inteligencia artificial, Métodos y Técnicas. Ed. Ramón Areces.
Box & Hunter, 1988: Estadística para investigadores. Ed. Reverté.
Cano Trueba R., 1992: Atlas Climático de la Región de la Cordillera Cantábrica. Biblioteca C.M.T. CAS.
Cano Trueba R., 1991: Realce orográfico de Normales Climatológicas. Biblioteca I.N.M.
Hartnell T., 1985. Inteligencia Artificial, conceptos y programas. Ed. Anaya.
I.N.M., 1992: ESTILO-Manual de términos Meteorológicos.
Lenat D.B.: Inteligencia Artificial. Rev. Investigación & Ciencia n. 230.
López Cachero M., 1987: Fundamentos y Métodos de Estadística. Ed. PIRAMIDE.
Luthe y otros: Métodos numéricos. Ed. LIMUSA.
Mendez A. & Elizaga F., 1993: Procedimiento de Análisis a Mesoscala Interactivo en SAIDAS (PAMIS). S.T.A.P. Nota Técnica N. 11.
Peña Sanchez D., 1993: Estadística Modelos y Métodos. Vols I & II. AUT N. 109 y 110.
Press y otros: Numerical recipe-The art of scientific computing. Ed. Cambridge Un. Press.
Rich E. & Knight K.: Inteligencia Artificial. McGraw Hill.
Saunders P., 1983: Introducción a la Teoría de Catástrofes. Ed. Siglo XXI.
Sokal & Rohlf, 1984: Introducción a la Bioestadística. Ed. Reverte.
Thom R., 1972: Stabilité structurelle et morphogenese.
Woodcock A., 1986: Teoría de las Catátrofes. Ed. Cátedra.
Agradecimientos.
Muchas son las personas que han colaborado y lo siguen haciendo, cada una de ellas ha supuesto una vital ayuda para superar uno o varios de los numerosos obstáculos que han surgido y surgirán hasta la realización de éste proyecto. Aunque intentaré citar a todos, puede que se me olvide alguno:
A todos los Predictores del G.P.V. del C.M.T. CAS y a su Jefe.
A Gonzalo Moreno, Mari-Sol De Andrés, Toño Fdez-Cañadas y Ramón Celis de la Sección de Climatología del C.M.T. de CAS.
A Eduardo Arasti y J. Salvador Martín de la SE&D del C.M.T. de CAS.
A Antonio G.. Mendez, Benito Elvira, Paco M. León y Ricardo Riosalido del S.T.A.P.
A J. Antonio Guijarro del C.M.T. de Baleares.
A Luis Hernando de Explotación.
A Meteo-France.
A Ernesto Rodriguez y J. Antonio G.. Moya de Predicción Numérica.
A J.J. Ayuso de Predicción Estadística.
y a Pilar Fernández de Satélites y Radares.