Sólo utilizamos Google Analytics para controlar el rendimiento de la web y mejorar la experiencia del usuario. Puede ver nuestra política de cookies, aqui.

Puertos de Estado

Mejore la calidad de sus predicciones gracias al aprendizaje automático

Contacto | (+34)976 512 433

El cliente

Puertos del Estado ha desarrollado y mantiene sistemas de medición&previsión del medio marino con el objetivo fundamental de proporcionar los datos meteorológicos esenciales para la explotación del sistema portuario.

El sistema consta de redes de medición (boyas, mareógrafos y radares de alta frecuencia), servicios de predicción (olas, nivel del mar, corrientes y temperatura del agua) y conjuntos climáticos, que describen tanto el clima marítimo actual como sus escenarios de cambio en el siglo XXI.

La calidad de estos datos ha permitido aumentar la eficiencia, la sostenibilidad y la seguridad de las operaciones portuarias a lo largo de los años y su mejora puede permitirnos seguir desarrollando operaciones portuarias más seguras con reducción de costes.

El Reto

Predecir las variables oceanográficas a través de datos históricos.

Cuando uno de los instrumentos de medición se estropea, deja la zona sin datos de referencia fiables, y todo el modelo de predicción se ve afectado.

El reto al que se enfrentaron los investigadores de Nologin fue poder estimar el comportamiento de las diferentes variables oceanográficas, partiendo de una enorme cantidad de datos históricos, adyacentes al instrumento, para estimar las medidas de los instrumentos de medición dañados.

Utilizando los datos de los modelos numéricos de oleaje, viento y corrientes como entradas, se consiguió rellenar las lagunas de información (lagunas de las medidas de las boyas) y, por tanto, se logró una mejora en la precisión del modelo de oleaje. Esta mejora tiene implicaciones directas para las actividades logísticas: permite optimizar las rutas de los buques, posibilitando el ahorro de combustible y tiempo, así como apoyar las decisiones del personal portuario sobre la seguridad del puerto.

machine learning

Resultados del modelo predictivo y resultados de la red neuronal en la boya de Tarifa (variable Tm02). Se observa una mejora del 74%.

Resultados

Rellenar las lagunas históricas de forma fiable ha sido posible gracias al uso de modelos de Machine Learning (redes neuronales y redes neuronales convolucionales), mejorando hasta en un 74% el modelo de onda base.

Como resultado, State Ports ha podido mejorar la fiabilidad de su modelo de previsión de oleaje, que es vital para muchas operaciones portuarias.

Las redes neuronales arrojaron resultados más precisos que el modelo numérico de oleaje en diferentes localizaciones de las costas españolas. Se estudiaron varias boyas y se mejoraron considerablemente las estimaciones del modelo de oleaje, obteniendo reducciones de error de hasta un 74%.

Los resultados obtenidos permiten vislumbrar que, en el futuro, se puede plantear la sustitución completa del modelo físico por un cálculo basado en redes neuronales.

Actualmente el modelo numérico de oleaje requiere un tiempo de cálculo de aproximadamente 1 hora para obtener las predicciones para la zona española, mientras que las redes neuronales convolucionales (CNN) una vez entrenadas adecuadamente podrían tener un tiempo de cálculo estimado del orden de minutos. Suponiendo que las redes sean capaces de realizar predicciones similares al modelo, esto supondría un ahorro de tiempo y energía en el cálculo de la predicción.

Obtenga los servicios de NOW para la toma de decisiones