Resumen

Los modelos de computación suave utilizados para predecir los cambios en la temperatura de la superficie terrestre (LST, por sus siglas en inglés) son muy útiles para evaluar y pronosticar el clima en constante cambio del mundo. En este estudio, se aplican y comparan cuatro técnicas de computación suave, a saber, regresión de splines adaptativos multivariados (MARS), red neuronal de ondas (WNN), sistema de inferencia neurodifuso adaptativo (ANFIS) y sistema de inferencia neurodifuso evolutivo dinámico (DENFIS), para encontrar el mejor modelo que se pueda utilizar para predecir los cambios en la LST del área de Beijing. En este estudio se considera el cambio topográfico para predecir con precisión la LST; además, se utilizan imágenes de Landsat 4/5TM y Landsat 8OLI_TIRS de cuatro años (1995, 2004, 2010 y 2015) para estudiar los cambios en la LST del área de investigación. Los cuatro modelos se evalúan utilizando análisis estadístico, coef

• Materias:Modelo de rigidez Desempeño estructural Fallas estructurales Estructuras de membrana
• Subjects:Stiffness model Structural performance Structural failures Membrane structures
• Palabras claves:Modelos de cómputo suave; Temperatura de la superficie terrestre; Cambios en la TST; área de Beijing; Modelo ANFIS; Cambios topográficos
• Keywords:Soft computing models; Land surface temperature; LST changes; Beijing area; ANFIS model; Topographic changes