Algoritmos de aprendizaje automático para predicción de niveles de niebla usando ventanas estáticas y dinámicas

Áreas de investigación:

• Methodology - Machine learning

Año:

2018

Tipo de publicación:

Artículo en conferencia

Palabras clave:

Series temporales, Eventos de baja visibilidad, modelos autorregresivos, predicción

Autores:

• Diaz-Lozano, Miguel
• Guijo-Rubio, David
• Gutiérrez, Pedro Antonio
• Casanova-Mateo, Carlos
• Salcedo-Sanz, Sancho
• Hervás-Martínez, César

Título del libro:

Proceedings of the 2018 Conference of the Spanish Association for Artificial Intelligence (CAEPIA2018)

Páginas:

833-838

Organización:

Granada (Spain)

Mes:

23rd-26th October

ISBN:

978-84-09-05643-9

BibTex:

@conference{DiazCAEPIA2018, author = "Miguel Diaz-Lozano and David Guijo-Rubio and Pedro Antonio Guti{\'e}rrez and Carlos Casanova-Mateo and Sancho Salcedo-Sanz and C{\'e}sar Herv{\'a}s-Mart{\'i}nez", abstract = "Los eventos de muy baja visibilidad producidos por niebla son un problema recurrente en ciertas zonas cercanas a rı́os y grandes monta{\~n}as, que afectan fuertemente a la actividad humana en diferentes aspectos. Este tipo de eventos pueden llegar a suponer costes materiales e incluso humanos muy importantes. Uno de los sectores m{\'a}s influenciados por las condiciones de muy baja visibilidad son los medios de transporte, fundamen- talmente el transporte a{\'e}reo, cuya actividad se ve seriamente mermada, provocando retrasos, cancelaciones y, en el peor de los casos, terribles accidentes. En el aeropuerto de Valladolid son muy frecuentes las situaciones de baja visibilidad por niebla, especialmente en los meses considerados de invierno (noviembre, diciembre, enero y febrero). Esto afecta de forma directa a la manera en la que operan los vuelos de este aeropuerto. De esta forma, es muy importante conocer las posibles condiciones de niebla a corto plazo para aplicar procedimientos de seguridad y organizaci{\'o}n dentro del aeropuerto. En el presente artı́culo se propone el uso de diferentes modelos de ventanas din{\'a}micas y est{\'a}ticas junto con clasificadores de aprendizaje autom{\'a}tico, para la predicci{\'o}n de niveles de niebla. En lugar de abordar el problema como una tarea de regresi{\'o}n, la variable de inter{\'e}s para la caracterizaci{\'o}n del nivel de visibilidad en el aeropuerto (Rango Visual de Pista, RVR) se discretiza en 3 categorı́as, lo que aporta mayor robustez a los modelos de clasificaci{\'o}n obtenidos. Los resultados indican que una combinaci{\'o}n de ventana din{\'a}mica con ventana est{\'a}tica, junto con modelos de clasificaci{\'o}n basados en Gradient Boosted Trees es la metodologı́a que proporciona los mejores resultados.", booktitle = "Proceedings of the 2018 Conference of the Spanish Association for Artificial Intelligence (CAEPIA2018)", isbn = "978-84-09-05643-9", keywords = "Series temporales, Eventos de baja visibilidad, modelos autorregresivos, predicci{\'o}n", month = "23rd-26th October", organization = "Granada (Spain)", pages = "833-838", title = "{A}lgoritmos de aprendizaje autom{\'a}tico para predicci{\'o}n de niveles de niebla usando ventanas est{\'a}ticas y din{\'a}micas", url = "sci2s.ugr.es/caepia18/proceedings/docs/CAEPIA2018_paper_122.pdf", year = "2018", }

Abstract:

Los eventos de muy baja visibilidad producidos por niebla son un problema recurrente en ciertas zonas cercanas a rı́os y grandes montañas, que afectan fuertemente a la actividad humana en diferentes aspectos. Este tipo de eventos pueden llegar a suponer costes materiales e incluso humanos muy importantes. Uno de los sectores más influenciados por las condiciones de muy baja visibilidad son los medios de transporte, fundamen- talmente el transporte aéreo, cuya actividad se ve seriamente mermada, provocando retrasos, cancelaciones y, en el peor de los casos, terribles accidentes. En el aeropuerto de Valladolid son muy frecuentes las situaciones de baja visibilidad por niebla, especialmente en los meses considerados de invierno (noviembre, diciembre, enero y febrero). Esto afecta de forma directa a la manera en la que operan los vuelos de este aeropuerto. De esta forma, es muy importante conocer las posibles condiciones de niebla a corto plazo para aplicar procedimientos de seguridad y organización dentro del aeropuerto. En el presente artı́culo se propone el uso de diferentes modelos de ventanas dinámicas y estáticas junto con clasificadores de aprendizaje automático, para la predicción de niveles de niebla. En lugar de abordar el problema como una tarea de regresión, la variable de interés para la caracterización del nivel de visibilidad en el aeropuerto (Rango Visual de Pista, RVR) se discretiza en 3 categorı́as, lo que aporta mayor robustez a los modelos de clasificación obtenidos. Los resultados indican que una combinación de ventana dinámica con ventana estática, junto con modelos de clasificación basados en Gradient Boosted Trees es la metodologı́a que proporciona los mejores resultados.