Resumen

La sequa es un extremo climtico comn que se extiende con frecuencia a travs de grandes escalas espaciales y temporales. Afecta al nivel de vida de las personas en todo el mundo ms que cualquier otro extremo climtico. Por lo tanto, el presente estudio propone una nueva tcnica, conocida como agrupacin basada en modelos de secuencias categricas de estados de sequa (MBCCDSS), para la prediccin mensual de la gravedad de la sequa con el fin de informar oportunamente a los responsables de la toma de decisiones para anticipar acciones y planes fiables para minimizar los impactos negativos de la sequa. El potencial de la tcnica propuesta se basa en el algoritmo de maximizacin de expectativas (EM) para mezclas finitas con componentes del modelo de Markov de primer orden. Adems, el enfoque propuesto se valida en seis estaciones meteorolgicas de la zona norte de Pakistn. Los resultados del estudio proporcionan la base para explorar y enmarcar evaluaciones ms esenciales para mitigar los impactos de la sequa en las estaciones seleccionadas.

• Materias:Algebra Algoritmos (Matemáticas) Ingeniería Lógica matemática Matemáticas
• Subjects:Algebra Agorithms (Math) Engineering Mathematical logic mathematics
• Palabras claves:Sequía; Técnica; Predicción; Gravedad; Impactos; Estaciones
• Keywords:Drought; Technique; Prediction; Severity; Impacts; Stations