Esta web utiliza cookies, puedes ver nuestra política de cookies, aquí. Si continuas navegando estás aceptándola.

Puertos de Estado

Mejoran la calidad de sus predicciones con la ayuda de Machine Learning

Contacto de ventas | (+34)976 512 433

El cliente

Puertos del Estado ha desarrollado y mantiene sistemas de medida y previsión del medio marino con el objetivo fundamental de proporcionar los datos océano-meteorológicos imprescindibles para la explotación del sistema portuario.

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

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

El reto

Predecir las variables oceanográficas a través de datos históricos.

Cuando uno de los instrumentos de medida se avería, deja la zona sin datos fiables de referencia, y todo el modelo de predicciones se ve afectado.

El reto al que se han enfrentado los investigadores de Nologin es el de ser capaces de estimar el comportamiento de las distintas variables oceanográficas, a partir una cantidad ingente de datos históricos y colindantes al instrumento, para estimar las mediciones de los instrumentos de medida averiados..

Partiendo de datos obtenidos de modelos numéricos de simulación de oleaje, vientos y corrientes se ha conseguido suplir la falta de información (medidas de las boyas), mejorando así la precisión del modelo de oleaje. Esta mejora de precisión tiene una implicación directa en actividades logísticas: permite optimizar las rutas de embarcaciones posibilitando un ahorro de combustible y tiempo, así como servir de apoyo a las decisiones del Práctico del puerto sobre la seguridad del mismo.

coches autopista

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

Resultados

Se ha conseguido un relleno fiable de los huecos históricos mediante el uso de modelos basados en Machine Learning (redes neuronales y redes neuronales convolucionales), mejorando hasta en un 74% las estimaciones originales de oleaje.

Gracias a ello, Puertos del Estado ha podido mejorar la fiabilidad de su modelo de predicciones, vital para muchas operaciones portuarias.

Las redes neuronales utilizadas han permitido mejorar el modelo de oleaje en diferentes puntos de las costas españolas. Se han estudiado diferentes boyas y se ha conseguido mejorar de manera notable las estimaciones del modelo de oleaje, llegando a obtener reducciones del error de hasta un 74%.

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

Actualmente, el modelo numérico de oleaje necesita un tiempo de cálculo de aproximadamente 1h para obtener las predicciones para la zona de España, mientras que redes neuronales convolucionales (CNN) una vez entrenadas podrían tener un tiempo estimado de cálculo del orden de minutos. Suponiendo que la red fuese capaz de generar unas predicciones similares al modelo, se conseguiría ahorrar tiempo de cómputo así como energía de máquina.

Más a fondo

Mejora tu infraestructura con Nologin