Application of Artificial Neural Network and Information Entropy Theory to Assess Rainfall Station Distribution: A Case Study from Colombia

Abstract

An assessment of the rainfall station distribution in the mountainous area of the Regional Autonomous Corporation of Cundinamarca (CAR, for its acronym in Spanish), Colombia, was conducted by applying concepts from information entropy and artificial neural networks (ANNs). This study was divided into two phases: first, a classification of the meteorological stations using two-dimensional self-organizing maps; second, the evaluation of the performance of the ANN by applying concepts of information entropy. Three scenarios were raised for the classification of the meteorological stations by adjusting the number of neurons in the output layer. A high number of neurons in the output layer were obtained, causing the model to over-fit while emphasizing differences amid patterns. When comparing the results of the scenarios, the permanence of certain characteristics and features was found in the system, validating the model classification. Subsequently, the results of the first scenario were used to evaluate the entropy of the historical series. Finally, the results show that the area of study presents a lack of information due to the uncertainty associated with the probabilistic arrangement, which can be corrected with the developed model. Consequently, some recommendations for the redesign of the rainfall are provided

Se realizó una evaluación de la distribución de las estaciones pluviométricas en la zona montañosa de la Corporación Autónoma Regional de Cundinamarca (CAR), Colombia, aplicando conceptos de entropía de la información y redes neuronales artificiales (RNAs). Este estudio se dividió en dos fases: primero, una clasificación de las estaciones meteorológicas utilizando mapas bidimensionales autoorganizados; segundo, la evaluación del desempeño de la RNA aplicando conceptos de entropía de la información. Se plantearon tres escenarios para la clasificación de las estaciones meteorológicas ajustando el número de neuronas en la capa de salida. Se obtuvo una gran cantidad de neuronas en la capa de salida, lo que provocó que el modelo se ajustara demasiado y enfatizara las diferencias entre los patrones. Al comparar los resultados de los escenarios, se encontró la permanencia de ciertas características y rasgos en el sistema, validando la clasificación del modelo. Posteriormente, los resultados del primer escenario se utilizaron para evaluar la entropía de la serie histórica. Finalmente, los resultados muestran que el área de estudio presenta carencia de información debido a la incertidumbre asociada al arreglo probabilístico, lo cual puede ser corregido con el modelo desarrollado. En consecuencia, se brindan algunas recomendaciones para el rediseño del pluvial.