Predicción de variables meteorológicas por medio de modelos Arima

• G. Javier Aguado-Rodríguez ; Abel Quevedo-Nolasco ; Martiniano Castro-Popoca ; Ramón Arteaga-Ramírez ^[1] ; M. Alberto Vázquez-Peña ^[1] ; B. Patricia Zamora Morales
  1. [1] Universidad Autónoma Chapingo

     Universidad Autónoma Chapingo

     México

     
• Localización: Agrociencia, ISSN 2521-9766, ISSN-e 1405-3195, Vol. 50, Nº. 1, 2016, págs. 1-13
• Idioma: español
• Títulos paralelos:
  • Meteorological variables prediction through Arima models
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La predicción de las variables meteorológicas se aplica en la agricultura al predecir el consumo de agua de las plantas para planear la lámina de riego. En esta investigación se elaboró un programa para realizar la predicción de la temperatura, radiación solar, evapotranspiración de referencia y humedad relativa con modelos autorregresivos integrados de media móvil (ARIMA) y se probó la efectividad del programa para realizar la predicción en condiciones de alta y baja precipitación. Los periodos de predicción evaluados fueron en marzo y en junio de 2013 en tres estaciones meteorológicas automáticas (EMAS) del Servicio Meteorológico Nacional (SMN).

    El análisis de los resultados indicó que la predicción de las variables meteorológicas con modelos ARIMA fue mejor que con la predicción persistente en el periodo con condiciones de baja precipitación (marzo).

  • English

    Meteorological variables prediction is applied in agriculture to predict water uptake of plants for planning irrigation depths.

    In the present study a program was made for the prediction of temperature, solar radiation, reference evapotranspiration and relative humidity by means of autoregressive integrated mobile media models. The effectiveness of the program was tested for prediction under high and low rainfall conditions.

    The prediction periods evaluated were in March and in June, 2013, in three automatic meteorological stations (EMAS) of the National Meteorological Service (SMN). The analysis of results indicated that the prediction of meteorological variables with ARIMA models was better than with persistent prediction in the period with low rainfall conditions (March).