Aplicación de redes neuronales profundas para la predicción de eventos de precipitación a partir de datos radar y pluviométricos: Estudio de caso en la provincia de Piura

Esta investigación propone el desarrollo y evaluación de modelos de deep learning para la predicción de precipitaciones a corto plazo en la provincia de Piura, utilizando datos integrados de radar meteorológico de la Estación Científica Ramón Múgica Martínez de la Universidad de Piura. El estudio comparará el desempeño de tres arquitecturas de redes neuronales profundas especializadas en modelado predictivo: U-Net combinada con cGANs, ConvLSTM combinada con modelos de difusión y Transformers generativos, son estos modelos aplicados en datos de radar. La evaluación comparará modelos mediante métricas tanto de regresión como clasificación entre ellas tenemos(MAE, MSE, precisión, recall y F1-score). Se utilizarán Huber Loss para regresión y Cross Entropy Loss o Focal Loss para clasificación. Este proceso permitirá seleccionar el modelo más adecuado para predecir intensidad y categorías de precipitación con alta confiabilidad. El proyecto surge como respuesta crítica al contexto de cambio climático y eventos meteorológicos extremos, especialmente considerando que la costa interior de Piura presentó un superávit de precipitación del 15-100% por encima de lo habitual en marzo 2025.

SILVA ABANTO ,CYNDI NAYELI