Resumen de Aportaciones de las redes bayesianas en meteorología: predicción probabilística de precipitación

Rafael Ancell Trueba

• español

  Esta tesis está dirigida principalmente a investigadores interesados en la aplicación de técnicas de minera de datos de Meteorología y otras ciencias medioambientales afines, aunque algunas de las innovaciones también son susceptibles de ser aplicadas en otras tareas científicas, siempre que traten con sistemas definidos por muchas variables, cuyas relaciones de dependencia no sean conocidas a priori y tengan que ser inferidas a partir de un conjunto de datos que describan el sistema, Se trata de aplicar los recientes desarrollos producidos en el área de la minería de datos a problemas prácticos relacionados con el diagnóstico y la predicción probabilística local en Meteorología, considerando el problema de la coherencia espacial. En concreto, el eje central de esta tesis ha sido el desarrollo de modelos gráficos probabilísticos, en particular Redes Bayesianas (RBs), para su aplicación en la predicción probabilística local.

  Esta tesis supone un punto de partida en este campo y, por ello, en su redacción se comienza con una descripción genérica de algunas de las posibilidades que ofrece esta herramienta en distintos problemas considerados estándar en la Meteorología actual, para terminar con una aplicación específica más desarrollada, relativa a la predicción probabilística local de eventos de precipitación.

• English

  This thesis is mainly oriented to researchers interested in the data mining techniques applied to Meteorology and other related environmental sciences. It uses probabilistic models to describe systems defined by many variables whose dependencies have to be inferred from a set of representative data. The main purpose is solve practical problems related to the diagnosis and probabilistic local forecasting Meteorology, considering the problem of spatial coherence. Specifically, the focus of this thesis has been the development of Bayesian networks to be applied in the local probabilistic forecasting.