Universidad Nacional del Nordeste - Facultad de Ciencias Exactas y Naturales y Agrimensura

13 de Agosto de 2018 | 3 ′ 27 ′′


Nueva técnica para analizar datos y reducir errores en modelos meteorológicos



En los últimos años hubo un fuerte crecimiento en la cantidad de información que se posee de la atmósfera a través de múltiples instrumentos de medición. Con este caudal de datos, los científicos se enfrentan al desafío de desarrollar técnicas para el análisis de “big data” destinadas, por ejemplo, a mejorar los pronósticos meteorológicos.

Actualmente se obtienen en una hora cientos de terabytes de datos provenientes de satélites remotos, radares meteorológicos, y otros numerosos instrumentos que miden el estado de la atmósfera. Con este caudal de información, los científicos se enfrentan al desafío de desarrollar técnicas para el análisis de “big data” destinadas, en este caso, a mejorar los pronósticos meteorológicos, pero fundamentalmente enfocadas en la prevención de desastres naturales. La utilización de toda esta información observacional en los pronósticos meteorológicos es lo que se denomina asimilación de datos.

El doctor Manuel Pulido, docente del Departamento de Física de la Facultad de Ciencias Exactas y Naturales y Agrimensura de la UNNE, e investigador en el Instituto de Modelado en Innovación Tecnológica del Conicet, desarrolló, junto a su grupo de trabajo, una técnica basada en el aprendizaje automatizado “para inferir el error de modelo, en modelos de pronósticos meteorológicos”. Dicho de otra forma, la técnica permite seleccionar datos de toda la información circundante, de forma tal que se reduzca el error en los modelos de pronósticos meteorológicos.

Uno de los desafíos que presenta en la actualidad la asimilación de datos, explica Pulido, es la “estimación de la incerteza de modelos”. Y afirma: “En el grupo trabajamos hace ya cinco años en el desarrollo de una técnica que permita determinar la incerteza o error de un modelo matemático de pronósticos utilizando un conjunto de observaciones en un marco estadístico. El desarrollo está basado en lo que se denomina el algoritmo de Expectation-Maximization”. Los resultados de este trabajo fueron expuestos por Pulido en el mes de abril de 2018, en el International Symposium on Data Assimilation (ISDA2018), que se llevó a cabo en Munich, Alemania. En esa oportunidad, el físico argentino fue uno de los disertantes principales (keynote speaker) en el simposio científico.

Aprendizaje automatizado

Las técnicas sobre las que se enfocó la conferencia brindada por el Dr. Pulido están basadas en el “aprendizaje automatizado”. ¿En qué consiste este método?

“Son técnicas que en general trabajan mediante el aprendizaje asistido, es decir, utilizan una gran cantidad de datos para clasificar situaciones y luego, una vez que aprendidas, se pueden utilizar en nuevas circunstancias de la vida cotidiana”, explicó Pulido. En este sentido, son como la mente del ser humano: a través de múltiples observaciones son capaces de aprender situaciones, por mecanismos de prueba y error, las cuales luego son aplicadas con diversos fines.

El aprendizaje automatizado (machine learning) tuvo un fuerte desarrollo en las ciencias de la computación en los últimos años, en los que generó una gran revolución tecnológica. En esencia son técnicas del aprendizaje automatizado, aquellas que se utilizan para reconocimiento facial, interpretación de texto para los traductores, digitalización de textos hasta, incluso, las que se utilizan para los autos que se manejan sin conductores.


Juan Monzón Gramajo


Cómo se comporta el sistema respiratorio con respiración asistida

Científicos de Ingeniería lograron obtener modelos dinámicos que describen cómo se comporta el sistema respiratorio en condiciones de respiración asistida y con distintas patologías. Los especialistas trabajan en mejorar los modelos y adaptar el algoritmo de identificación para el caso de COVID-19.

La UNLP lanza un sistema de monitoreo continuo de la atmósfera sobre Sudamérica

El Laboratorio de Meteorología Espacial, Atmósfera terrestre, Geodesia, Geodinámica, diseño de Instrumental y Astrometría, MAGGIA, puso en operación un sistema multi satelital GNSS, multi frecuencia y a tiempo (casi) real para el monitoreo continuo del contenido electrónico total atmosférico en Sudamérica.

Un novedoso algoritmo para predecir la mortandad de peces

Un novedoso algoritmo para predecir la mortandad de peces

Con imágenes satelitales y el empleo de algoritmos, científicos de la Universidad Nacional de Río Cuarto diseñaron un modelo matemático que permitirá predecir la mortandad de peces en la cuenca del embalse del Río Tercero. Su uso podría adaptarse a otros espejos de agua. Anticipa brotes de saprolegniasis, enfermedad que mata a especies de mojarras.

Edificios más eficientes gracias a optimización computacional

Una plataforma permite simular y ensayar automáticamente diferentes variables constructivas y de diseño para obtener confort con el mínimo consumo de energía. Se trata de un desarrollo de investigadores de la Universidad Nacional del Litoral y el CONICET que ya está operativo y ahora trabajan en cómo acercarlo a los usuarios finales.

Crean un dispositivo para detectar somnolencia al conducir

Crean un dispositivo para detectar somnolencia al conducir

Luego de realizar distintas investigaciones sobre la temática y del desarrollo exitoso de tecnología aplicada, especialistas trabajan para generar un prototipo del dispositivo que alerta ante el sueño en el volante. La consigna del desarrollo: evitar accidentes viales y en el trabajo.

Un argentino participó de hallazgo científico internacional en la atmósfera

Rafael Fernández, docente e investigador de la facultad de Ciencias Exactas, fue parte del equipo que reveló que las concentraciones de yodo en la atmósfera se triplicaron en las últimas décadas en el Ártico, producto del calentamiento global.

Canal de videos 103