Resumen

El artículo presentado compara la previsión de los índices de sequía basada en dos modelos diferentes de redes neuronales artificiales. El primer modelo se basa en el perceptrón multicapa feedforward, sANN, y el segundo es el modelo de red neuronal integrada, hANN. Los índices de sequía analizados son el índice de precipitación estandarizado (SPI) y el índice de evaporación de la precipitación estandarizado (SPEI) y se obtuvieron para el periodo 1948-2002 en dos cuencas de Estados Unidos. Los datos meteorológicos e hidrológicos se obtuvieron del experimento MOPEX. El entrenamiento de ambos modelos de redes neuronales se realizó mediante la versión adaptativa de la evolución diferencial, JADE. La comparación de los modelos se basó en seis medidas de rendimiento del modelo. Los resultados de la previsión de los índices de sequía, explicados por los valores de cuatro índices de rendimiento del modelo, muestran que el modelo de red neuronal integrada fue superior al perceptrón multicapa feedforward con una capa oculta de neuronas.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:modelo de red neuronal, perceptrón multicapa alimentado, índice de sequía, medidas de rendimiento del modelo, previsión de la sequía, índice de rendimiento del modelo, índice de precipitación estandarizado, red neuronal artificial, comparación del papel presentado, red neuronal integrada
• Keywords:neural network model, feedforward multilayer perceptron, drought index, model performance measures, forecast of drought, model performance index, standardized precipitation index, artificial neural network, presented paper compare, integrated neural network