Caracterización del clima basada en técnicas de descubrimiento causal y redes complejas
•
1 recomendación•259 vistas
Presentación hecha en el Seminario sobre Proyecciones de Clima Futuro. El seminario se llevó a cabo en la ciudad de Quito (Ecuador) los días 1 y 2 de diciembre de 2015 y fue organizado por la Subsecretaría de Cambio Climático del MAE y el INAMHI en el marco del Proyecto de la Tercera Comunicación Nacional de Cambio Climático (TCN/IBA).
Recomendados
Más contenido relacionado
Similar a Caracterización del clima basada en técnicas de descubrimiento causal y redes complejas
Similar a Caracterización del clima basada en técnicas de descubrimiento causal y redes complejas (20)
Más de Angel Vázquez Patiño
Más de Angel Vázquez Patiño (20)
Último
Último (20)
Caracterización del clima basada en técnicas de descubrimiento causal y redes complejas
- 1. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Caracterizaci´on del clima basada en t´ecnicas de descubrimiento causal y redes complejas Angel V´azquez-Pati˜no angel.vazquezp@ucuenca.edu.ec Departamento de Ciencias de la Computaci´on Departamento de Recursos H´ıdricos y Ciencias Ambientales Universidad de Cuenca 1 de diciembre de 2015 1 / 39
- 2. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Contenido Antecedentes Inteligencia artificial Redes complejas Derivaci´on de la estructura de la red desde un experto Aprendizaje de la estructura de la red con correlaciones Aprendizaje de la estructura de la red con descubrimiento de relaciones causales Aplicaciones Pron´ostico de El Ni˜no mejorado mediante deteccci´on de cooperatividad Un nuevo tipo de red clim´atica basada en modelos gr´aficos probabil´ısticos: Resultados del invierno boreal versus el verano Exploraci´on 2 / 39
- 3. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Inteligencia artificial I Definition (AI) m´etodos computacionales para extraer informaci´on de los datos co-ocurrencia de patrones para mejorar el entendimiento de los sistemas clim´aticos AI y ciencias medioambientales 80s informaci´on clim´atica y meteorol´ogica, tendencia exponencial m´etodos de an´alisis tradicional no factibles desde un punto de vista pr´actico m´etodos de AI m´as robustos y eficientes 3 / 39
- 4. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Inteligencia artificial II 90s AI inmerso en muchos estudios de ciencias medioambientales hoy gracias a sus capacidades de modelado no lineal son muy usados - procesamiento de informaci´on satelital - modelos de circulaci´on global - predicci´on de tiempo y clima - an´alisis y modelado de informaci´on medioambiental - pron´ostico oceanogr´afico e hidrol´ogico - modelado ecol´ogico 4 / 39
- 5. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Redes complejas I Definition (Tsonis y Roebber, 2004) Se puede considerar el clima como una red de muchos sistemas din´amicos y aplicar ideas de teor´ıa de grafos a un conjunto de informaci´on global para estudiar su comportamiento colectivo 5 / 39
- 6. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Redes complejas II Definition (Red) conjunto de nodos que interactuan redes regulares (ordenadas), donde cada nodo tiene el mismo n´umero de enlaces conect´andolo en una forma espec´ıfica hacia un n´umero peque˜no de nodos vecinos redes aleatorias, donde cada nodo est´a conectado al azar a unos cuantos nodos que pueden estar en cualquier lugar en la red 6 / 39
- 7. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Redes complejas III Definition (Redes regulares) altamente agrupados, lo que significa que toma muchos pasos para ir de un nodo a otro que est´a fuera de su vecindario inmediato, no eficientes por el alto grado de agrupamiento local, si algunas de las conexiones son eliminadas, la red no se fragmenta en partes desconectadas, estables 7 / 39
- 8. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Redes complejas IV Definition (Redes aleatorias) no exhiben agrupamiento local. Los nodos lejanos pueden estar conectados f´acilmente al igual que los nodos cercanos. En este caso la informaci´on puede ser transportada a trav´es de toda la red mucho m´as eficientemente que en las redes ordenadas altamente inestables As´ı, las redes aleatorias implican una transferencia eficiente de informaci´on mientras que las redes regulares implican estabilidad. Definition (small-world) Estables y eficientes en la transferencia de informaci´on. 8 / 39
- 9. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Redes complejas V De Watts y Strogatz, 1998. 9 / 39
- 10. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Redes complejas Enfoques 1. Derivaci´on de la estructura de la red desde un experto 2. Aprendizaje de la estructura de la red con correlaciones 3. Aprendizaje de la estructura de la red con descubrimiento de relaciones causales 10 / 39
- 11. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Derivaci´on de la estructura de la red desde un experto I Pasos Estructura directamente del conocimiento experto S´olo las probabilidades se aprenden desde los datos 11 / 39
- 12. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Derivaci´on de la estructura de la red desde un experto II Medici´on de los efectos del cambio clim´atico en la producci´on de biocombustible (Peter et al., 2009) Sistemas socioecon´omicos y ecol´ogicos tienen un comportamiento complejo e interdependiente Adaptaci´on del uso de suelo para la producci´on de biocombustible comida agua y sectores de energ´ıa ”Se utiliz´o la cooperaci´on interdiciplinaria para la formulaci´on y validaci´on del modelo.” 12 / 39
- 13. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Derivaci´on de la estructura de la red desde un experto III Figura: Estructura del modelo. De Peter et al., 2009. 13 / 39
- 14. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Derivaci´on de la estructura de la red desde un experto IV 14 / 39
- 15. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Aprendizaje de la estructura de la red con correlaciones Estructura desde los datos mediante algoritmos de aprendizaje score-based Principalmente para prop´ositos de pron´ostico No se enfoca en descubrir relaciones causales 15 / 39
- 16. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Aprendizaje de la estructura de la red con descubrimiento de relaciones causales I M´etodos de descubrimiento causal para aprender la estructura Identificaci´on potenciales relaciones de causa y efecto desde datos observados Causal discovery para construir redes que siguen las interacciones al rededor del globo basado en series de datos de campos atmosf´ericos, como datos de altura geopotencial diarios La clave es interpretar procesos din´amicos atmosf´ericos a larga escala como flujo de informaci´on por el globo e identificar la trayectoria de este flujo de informaci´on usando descubrimiento causal y modelos gr´aficos 16 / 39
- 17. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Aprendizaje de la estructura de la red con descubrimiento de relaciones causales II Constraint-based structure learning of graphical models Conceptos b´asicos de descubrimiento causal No se preocupa por las probabilidades reales sino se preocupa m´as en identificar las relaciones m´as fuertes y mostrarlas en forma de grafo Un reto importante de cualquier m´etodo de descubrimiento causal es la potencial existencia de causas comunes ocultas Hay pruebas estad´ısticas bien establecidas que permiten desaprobar conexiones causales desde las observaciones 17 / 39
- 18. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Aprendizaje de la estructura de la red con descubrimiento de relaciones causales III Procedimiento de eliminaci´on que deja s´olo un n´umero peque˜no de relaciones causales potenciales como hip´otesis para ser estudiadas m´as a fondo por los expertos en el dominio de estudio 18 / 39
- 19. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Aprendizaje de la estructura de la red con descubrimiento de relaciones causales IV Pruebas de independencia condicional y algoritmo b´asico La idea principal atr´as del descubrimiento causal es que se puede determinar para cualquier par de variables si hay una relaci´on directa entre ellos de datos de observaci´on usando pruebas de independencia condicional. 19 / 39
- 20. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Aprendizaje de la estructura de la red con descubrimiento de relaciones causales V P(X|Y , Z) ≈ P(X|Y ) 20 / 39
- 21. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Aprendizaje de la estructura de la red con descubrimiento de relaciones causales VI Algoritmo de PC 1. Asumir que cada variable es una causa para todas las otras variables (fully connected) 2. Podado mediante pruebas de independencia condicional 3. Los enlaces que quedan son potenciales enlaces causales 4. Las direcciones son determinadas de pruebas de independencia o mediante conocimiento de experto Etapa de evaluaci´on 21 / 39
- 22. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Asuntos a tener en cuenta Fronteras El problema de la inicializaci´on en el an´alisis temporal Fronteras espaciales Espaciado y fuerza de se˜nal Efecto de la resoluci´on temporal Efecto del espaciado irregular en la grilla de puntos (fekete points) 22 / 39
- 23. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Aplicaciones 1. Pron´ostico de El Ni˜no mejorado mediante detecci´on de cooperatividad (Ludescher et al., 2013) 2. Un nuevo tipo de red clim´atica basada en modelos gr´aficos probabil´ısticos: Resultados del invierno boreal versus el verano (Ebert-Uphoff and Deng, 2012) 23 / 39
- 24. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Pron´ostico de El Ni˜no mejorado mediante detecci´on de cooperatividad I Pron´ostico robusto limitado a 6 meses Predicci´on basada en redes complejas Inspeccionando teleconexiones Enfoque: evidencia de que el modo cooperativo a gran escala hay un a˜no calendario antes del evento de calentamiento ENSO: puede ser percibido con patr´on de sube y baja din´amico auto organizado NINO3.4: promedio de las anomal´ıas de la temperatura de la superficie del mar (SST) en cierta grilla de puntos en el pac´ıfico 24 / 39
- 25. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Pron´ostico de El Ni˜no mejorado mediante detecci´on de cooperatividad II NINO: ´ındice por encima de 0.5◦ C para un periodo de al menos 5 meses No se considera la dependencia del tiempo de los registros del clima en un solo punto de grilla i sino la evoluci´on en el tiempo de las interacciones (teleconexiones) entre pares de puntos de grilla i y j que se representa por las fuerzas de las correlaciones cruzadas entre los registros del clima en estos sitios 25 / 39
- 26. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Pron´ostico de El Ni˜no mejorado mediante detecci´on de cooperatividad III Yamasaki et al. (2008) y Gozolchiani et al. (2011) En redes de clima a gran escala los enlaces tienden a debilitarse significativamente durante episodios de El Ni˜no. El fen´omeno es m´as pronunciado para los enlaces que conectan El Ni˜no basin con los sitios circundantes en el oc´eano Pac´ıfico. Observaci´on Mucho antes de un episodio de El Ni˜no, la media de la fuerza tiende a incrementarse. Esto permite pronosticar un evento con m´as de un a˜no de avance. 26 / 39
- 27. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Pron´ostico de El Ni˜no mejorado mediante detecci´on de cooperatividad IV Figura: Incremento y decremento de la fuerza de enlace. 27 / 39
- 28. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Pron´ostico de El Ni˜no mejorado mediante detecci´on de cooperatividad V 9x23 El Ni˜no basin: 14; fuera del dominio: 193 28 / 39
- 29. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Pron´ostico de El Ni˜no mejorado mediante detecci´on de cooperatividad VI Datos proyecto de la NCEP/NCAR Reanalysis I anomal´ıas de temperatura atmosf´erica diaria al nivel del mar: t real menos la media climatol´ogica para cada d´ıa calendario 29 / 39
- 30. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Pron´ostico de El Ni˜no mejorado mediante detecci´on de cooperatividad VII Fuerza de enlace Time-delayed cross-covariance definida como C (t) i,j (−τ) = Ti (t)Tj (t − τ) − Ti (t) Tj (t − τ) C (t) i,j (τ) = Ti (t − τ)Tj (t) − Ti (t − τ) Tj (t) f (t) = 1 365 364 m=0 f (t − m) Cross-correlation (c (t) i,j (τ)): cross-variance dividida para las correspondientes desviaciones est´andar (SD) de Ti y Tj . Fuerza de enlace (Sij (t)): (MAX-MEAN)/SD S(t) promedio Sij (t) 30 / 39
- 31. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Pron´ostico de El Ni˜no mejorado mediante detecci´on de cooperatividad VIII |c (t) i,j (τ)| 31 / 39
- 32. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Pron´ostico de El Ni˜no mejorado mediante detecci´on de cooperatividad IX 32 / 39
- 33. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Resultados del invierno boreal versus el verano I Valores diarios de altura geopotencial 500 mb sobre todo el globo durante el periodo 1948-2011 (NCEP/NCAR reanalisis). Caracter´ısticas de la red son comparadas entre invierno boreal y verano en t´erminos de propiedades de intra-location que mide la memoria local en un nodo e inter-location que cuantifica el impacto remoto de un nodo. Se desarroll´o un modelo gr´afico temporal que modela las interacciones entre altura geopotencial diaria 500 mb en lugares geogr´aficos individuales durante el curso de 2 semanas 33 / 39
- 34. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Resultados del invierno boreal versus el verano II S=15 slices; N=200 nodos; Total: 3000 nodos Representaci´on gr´afica - gr´aficos de red - gr´aficos de contornos Se elimina la primera slice del modelo que es suficiente para el problema de inicializaci´on temporal Propiedades a comparar - intra-max-delay y intra-ave-delay, - inter-max-delay y inter-ave-delay 34 / 39
- 35. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Resultados del invierno boreal versus el verano III 35 / 39
- 36. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Memoria local 36 / 39
- 37. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Impacto remoto de nodos 37 / 39
- 38. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Exploraci´on Trabajo inmediato Reducci´on de escala espacial Nuevos m´etodos de descubrimiento causal Modelos gr´aficos gaussianos Modelos gr´aficos de Granger Informaci´on mutua condicional Analizar y descubrir interacciones f´ısicas aplicadas a Sudam´erica y Ecuador Enfoques de uso Confirmaci´on y prueba de hip´otesis espec´ıficas en datos V´ıa exploratoria para generar hip´otesis 38 / 39
- 39. Redes complejas y descubrimiento causal A. V´azquez-Pati˜no Antecedentes Inteligencia artificial Redes complejas Estructura desde un experto Estructura mediante correlaciones Estructura mediante descubrimiento causal Aplicaciones Pron´ostico de El Ni˜no mejorado Red clim´atica basada en modelos probabil´ısticos gr´aficos Exploraci´on Referencias Autores destacados • Imme Ebert-Uphoff, Colorado State University • Yi Deng, Georgia Institute of Technology Referencias • Tsonis, A.A., Roebber, P.J., 2004. The Architecture of the Climate Network. Physica A: Statistical Mechanics and its Applications 333, 497–504. doi:10.1016/j.physa.2003.10.045 • Watts, D.J., Strogatz, S.H., 1998. Collective dynamics of ’small-world’ networks. Nature 393, 440–442. doi:10.1038/30918 • Peter, C., de Lange, W., Musango, J., April, K., Potgieter, A., 2009. Applying Bayesian modelling to assess climate change effects on biofuel production. Climate Research 40, 249–260. doi:10.3354/cr00833 • Ludescher, J., Gozolchiani, A., Bogachev, M.I., Bunde, A., Havlin, S., Schellnhuber, H.J., 2013. Improved El Ni˜no forecasting by cooperativity detection. Proceedings of the National Academy of Sciences 110, 11742–11745. doi:10.1073/pnas.1309353110 • Yamasaki, K., Gozolchiani, A., Havlin, S., 2008. Climate Networks around the Globe are Significantly Affected by El Ni˜no. Physical Review Letters 100. doi:10.1103/PhysRevLett.100.228501 • Gozolchiani, A., Havlin, S., Yamasaki, K., 2011. Emergence of El Ni˜no as an Autonomous Component in the Climate Network. Physical Review Letters 107. doi:10.1103/PhysRevLett.107.148501 • Ebert-Uphoff, I., Deng, Y., 2012. A New Type of Climate Network Based on Probabilistic Graphical Models: Results of Boreal Winter Versus Summer. Geophysical Research Letters 39, 7. doi:10.1029/2012GL053269 39 / 39