Resumen

En muchas situaciones prácticas como la predicción del clima, estamos interesados en el valor a gran escala (promediado) de las cantidades predichas. Por ejemplo, es imposible predecir la temperatura exacta futura en diferentes ubicaciones espaciales, pero podemos predecir razonablemente bien la temperatura promedio en una región. Tradicionalmente, para obtener tales predicciones a gran escala, primero realizamos una integración detallada de la ecuación diferencial correspondiente y luego promediamos la solución detallada resultante. Este procedimiento a menudo es muy demorado, ya que necesitamos procesar todos los detalles de los datos originales. En nuestros trabajos anteriores, hemos demostrado que resultados de predicción a gran escala de calidad similar pueden obtenerse si, en cambio, aplicamos un procedimiento mucho más rápido: primero promediamos las entradas (aplicando una transformada difusa apropiada) y luego utilizamos estas entradas promediadas para resolver la ecuación diferencial correspondiente (discretización de la misma). En este artículo, proporcionamos una

• Materias:Números reales borrosos Agrupamiento difuso Criterios múltiples Programación difusa Conjuntos abiertos borrosos
• Subjects:Fuzzy real numbers Fuzzy clustering Multiple criteria Fuzzy programming Fuzzy open sets
• Palabras claves:Situciones prácticas; Predicción del clima; A gran escala; Valor promediado; Ecuación diferencial; Transformada difusa
• Keywords:Practical situations; Weather prediction; Large-scale; Averaged value; Differential equation; Fuzzy transform