Cuantificación de la Incertidumbre en Pronósticos Numéricos Usando Redes Neuronales

MAXIMILIANO SACCO; PIERRE TANDEO; JUAN RUIZ; MANUEL PULIDO

Buenos Aires

Congreso; XIV Congreso Argention de Meteorologia; 2022

Centro Argentino de Meteorologos

Conocer la incertidumbre de un pron´ostico es fundamental para la toma de decisiones en situaciones de riesgo donde una acci´on preventiva puede evitar da˜nos materiales e incluso salvar vidas.El pron´ostico por ensamble es, hasta ahora, el enfoque m´as exitoso para producir pron´osticos probabil´ısticos de calidad. Esta metodolog´ıa proporciona para cada pronostico, una estimaci´on de laincertidumbre asociada a los errores en las condiciones iniciales y en la formulaci´on del modelo,pero tiene el coste de ejecutar el modelo num´erico varias veces. Algunos estudios han exploradoenfoques de bajo coste para estimar la incertidumbre de los pron´osticos basados en t´ecnicas deaprendizaje autom´atico. [Scher and Messori, 2018] dise˜n´o una red neuronal artificial (RNA) queaprendi´o la cuantificaci´on de la incertidumbre a partir de un ensamble de pron´osticos existente.[Camporeale et al., 2019] y [Wang et al., 2018] estimaron la incertidumbre directamente a partir delas observaciones, utilizando un nuevo tipo de funciones de p´erdida que incluyen expl´ıcitamente laincertidumbre en su formulaci´on. En este trabajo, utilizamos una funci´on de p´erdida basada enla verosimilitud para entrenar una RNA como en [Wang et al., 2018], para incorporar tanto unacorrecci´on en el componente de error sistem´atico, como una cuantificaci´on de la incertidumbre delpronostico corregido.