Modelo de Inteligencia Artificial para predicción de condiciones climáticas en el Aeropuerto Jorge Chávez de Lima, Perú

[Miguel Ruiz Adarmes]

Conocer las condiciones climáticas en los aeropuertos es de vital importancia por razones que afectan a la seguridad, la eficiencia y la comodidad de los vuelos. El mal tiempo, como fuertes vientos o neblina, puede representar un peligro significativo para las aeronaves durante los despegues, aterrizajes y vuelos. Conocer las condiciones climáticas permite a los pilotos, controladores aéreos y personal de tierra tomar
decisiones informadas para garantizar la seguridad del vuelo, incluyendo posibles incidencias como demoras, cambios de ruta o cancelaciones. Por otro lado, esta información también permite una mejor planificación de rutas de vuelo seguras y eficientes. Los pilotos consideran factores como la temperatura, la dirección y velocidad del viento, la presencia de turbulencias y las condiciones de visibilidad para determinar la ruta óptima y el consumo de combustible. Aprender a predecir el comportamiento del clima, en base a información previas, es importante. Por lo que se presenta esta investigación sobre predicción de condiciones climáticas en el Aeropuerto Jorge Chávez de Lima. Para ello se usó una base de datos a la que se le aplicó los algoritmos J48, Ramdon Forest, SVM, Bayes Net y Redes Neuronales para identificar que el mejor modelo que obtuvo la mejor predicción fue la obtenida con el algoritmo Ramdon Forest con Accuracy = 76,8004 % para el proceso de entrenamiento y validación; y Accuracy = 78,5181 % para el proceso de prueba con datos no previamente conocidos. Como prueba de concepto se implementó una aplicación en Java