Predicción de la temperatura del aire con un mes de antelación a partir de datos de reanálisis con técnicas de Inteligencia Artificial Explicable

En este artículo hemos abordado el problema de la predicción a largo plazo de la temperatura del aire con modelos de Inteligencia Artificial Explicable (XAI). Específicamente, hemos evaluado el rendimiento de una arquitectura de Red Neuronal Artificial (ANN) con neuronas sigmoides en la capa oculta, entrenada mediante un algoritmo evolutivo (ANNs Evolutivas, EANNs). Esta arquitectura de modelo XAI (XAI-EANN) se ha aplicado a la predicción a largo plazo de la temperatura del aire en diferentes subregiones del sur de la Península Ibérica. En este caso, se ha predicho la temperatura media del aire en agosto a partir de las variables de datos de reanálisis ERA5, obteniendo buenas habilidades de predicción y modelos explicables en términos de las variables climatológicas de entrada consideradas. Se ha realizado primero un análisis de clúster en términos de la temperatura media del aire en la zona, de tal manera que se han definido varias subregiones con comportamiento diferente de temperatura del aire. La arquitectura del modelo XAI-EANN propuesta se ha aplicado a cada una de las subregiones definidas, con el fin de encontrar diferencias significativas entre ellas, que pueden explicarse con los modelos XAI-EANN obtenidos. Finalmente, también se ha realizado una comparación exhaustiva con algunas técnicas de vanguardia, concluyendo que hay diferencias estadísticamente significativas en términos de precisión a favor del modelo XAI-EANN propuesto, que también se beneficia de ser un modelo XAI.