Rogert Sorí-Gómez* (1), Alexis Augusto Hernández-Mansilla (1), Aliana López-Mayea (1), Oscar Benedico-Rodríguez (1), Orlando Lázaro Córdova-García (1) y Maita Ávila-Espinosa (2)
(1) Centro Meteorológico Provincial de Ciego de Ávila, Cuba.
E-mail rogert.sori@cav.insmet.cu; alexis.hernandez@cav.insmet.cu; aliana.lopez@cav.insmet.cu; oscar.benedico@cav.insmet.cu; orlando.cordova@cav.insmet.cu
(2) Universidad “Máximo Gómez Báez” (UNICA). Ciego de Ávila. Cuba. Email: maita@agronomia.unica.cu
Resumen
Se obtuvieron ecuaciones pronóstico de la temperatura media, máxima y mínima mensual para cada estación meteorológica de Ciego de Ávila; para ello se empleó un modelo general de regresión a partir de la búsqueda secuencial por etapas hacia adelante. Se escogieron 23 variables predictoras potenciales del período 1982 – 2004 para la regresión y el periodo 2005 – 2010 para evaluar el método. El promedio histórico mensual de temperatura, el promedio de dos meses anteriores de temperatura y del gradiente meridional del viento en 850 hPa fueron las variables más presentes en las ecuaciones de predicción. Se logró representar adecuadamente la estacionalidad de la temperatura, y pronosticar con altos valores de varianza explicada por el coeficiente R2 superiores a 0.80 en todos los casos, con la mayor ocurrencia de errores absolutos medios (EAM) entre +/- 0.5°C, corroborando la efectividad del método.
Palabras clave: Pronóstico, regresión, temperatura.
Abstract
Weather forecast equations of maximum, mean and minimum monthly temperatures for each weather station on Ciego de Ávila province were obtained. To that end, a comprehensive regression model was utilized from the sequential stage search onward. Twenty three potential predictive variables were chosen for the 1982 – 2004 regression period and the latter 2005 – 2010 period was left to evaluate the method. The average historic monthly temperature, the average temperatures of two previous months as well as the meridional wind gradient at 850 hPa were the most common variables in the prediction equations. The seasonal temperature was adequately represented so as to forecast with high values of variance by the R2 coefficient over 0.80 in all cases; with the most absolute mean errors (AME) made between +/- 0.5°C, so corroborating the effectiveness of the method.
Key words: Forecast, regression, temperature.