1 Predicció del vent a l'aeroport de Reus gràcies a la utilització d'Intel·ligència Articial. Autor: Joan Bianrés Munuera Director: Dr. Miquel Traveria Bondi 14 d'abril de 2010 Adreça electrònica: joan.biarnes@estudiants.urv.cat En aquest reball hem realitzat un sistema de predicció del vent a l'aeroport de Reus amb 24 hores d'antelació. Els resultats diaris s'exporten a la pàgina web de meteorologia del CESDA per a la seva utilització operativa. El sistema és un exercici d'aprenentatge automàtic. Aquests tipus de sistemes de predicció es basen en acumular una experiència a partir de dades històriques de situacions meteorològiques de la regió d'estudi, i emetre una previsió en funció del que el sistema ha après del passat. Les dades històriques són les previsions diàries del model GFS (model global generat als Estats Units) i de les observacions del vent al propi aeroport de Reus en els informes METAR. En el treball es presenta la dicultosa tasca d'obtenir, descodicar, ordenar i acoplar totes aquestes dades, de més de 20 anys d'històrics. Sobre les dades històriques s'executa l'algorisme d'aprenentatge automàtic, Nearest Neighbours, àmpliament conegut en la disciplina. Aquest algorisme obté la previsió diària del model GFS per al dia següent a l'aeroport de Reus i àrea d'inuència. Llavors busca en la base de dades aquelles situacions meteorològiques més similars. La previsió que emet l'algorisme és una mitja ponderada dels vents mesurats aquests dies més similars. El sistema produeix previsions diàries millors que el model GFS i que tenen una precisió tan bona com els millors models estadístics de predicció del vent a l'aeroport de Reus. Resum: En este trabajo hemos realizado un sistema de predicción del viento en el aeropuerto de Reus con 24 horas de antelación. Los resultados diarios se exportan a la página web de meteorología del CESDA para su utilización operativa. El sistema es un ejercicio de de aprendizaje automático. Estos tipos de sistemas de predicción se basan en acumular una experiencia a partir de datos históricos de situaciones meteorológicas de la región de estudio, y emitir una previsión en función de lo que el sistema ha aprendido del pasado. Los datos históricos son las previsiones diarias del modelo GFS (modelo global generado en los Estados Unidos) y de las observaciones del viento en el propio aeropuerto de Reus grácias a los informes METAR. En el trabajo se presenta la dicultosa tarea de obtener, decodicar, ordenar y acoplar todos estos datos, de más de 20 años de história. Sobre los datos históricos se ejecuta el algoritmo de aprendizaje automático, Nearest Neighbours, ampliamente conocido en la disciplina. Este algoritmo obtiene la previsión diaria del modelo GFS para el día siguiente para el aeropuerto de Reus y su área de inuencia. Entonces busca en la base de datos aquellas situaciones meteorológicas más similares. La previsión que emito el algoritmo es una media ponderada de los vientos mesurados estos días más similares. El sistema produce previsiones diarias mejores que el modelo GFS y ofrece una precisión tan buena como los mejores modelos estadísticos de predicción del viento al aeropuerto de Reus Resumen: In this work we have developed a 24h wind forecast system for Reus airport. The daily results are exported to the CESDA web for their operative use. The system is an exercise of of automatic Abstract: 2 learning. These types of prediction systems are based on accumulating a experience from historical data of meteorological situations at the region, and emitting a forecast based on what the system has learned from the past. The historical data are the daily GFS forecasts (global model generated at the United States) and the observations of the wind at the Reus airport reported by METARs. One of the most diucult task has been to obtain, to decode, to order and to connect all these data, of more than 20 years of history. The Nearest Neighbours automatic learning algorithm is used to perform the wind forecast. This algorithm obtains the daily forecast from the GFS model at the Reus Airport area, and searches the database with the historic records to nd the most similar atmospheric situations. The forecast is a pondered mean of the measured winds in those most similar days. The system produces daily forecasts that have better accuracy than the GFS model and similar to the best statistical wind forecast at Reus Airport. Titulació: Enginyeria Tècnica en Informàtica de Sistemes. Data: 06/12/2009 3