Herramientas de Minería de datos de gran escala para apoyar investigaciones en cambio climático en la Amazonia Peruana

Abstract

En el Peru´ existen diversas instituciones que dentro de sus actividades se encargan de recolectar información del clima a través de estaciones que cuentan con diversos sensores, estos miden los procesos naturales en diferentes escalas numéricas que nos permiten comprender la intensidad, frecuencia, volumen, etc. de estos fenómenos, este es el caso del IIAP(Instituto de investigaciones de la Amazonia Peruana) [IIAP, 2018], entidad que ha colaborado a esta investigación brindando una base de datos climatológica de 36 dimensiones, de una estación ubicada en el Departamento de Ucayali, y que presenta mediciones por dimensión cada 30 minutos, del año 2012 al 2016. Esta base de datos reconstruida, ha sido almacenada en un repositorio de la amazonía peruana y publicada en la siguiente dirección 1 donde se espera colaborar con otros investigadores que puedan descargar la información y publicar sus resultados; siendo a su vez fue tomada por este trabajo como caso de estudio para realizar una demostración de eficiencia de técnicas de minería de datos escalables sobre series temporales climáticas, con el objetivo de optimizar su desempeño en procesamiento en tiempo computacional y aprovechar los nuevas plataformas de hardware existentes, buscando acelerar el proceso de minería de datos a través del uso de consultas kNN(búsqueda del vecino mas cercano) masivamente paralelos en GPU(Unidad de procesamiento gráfico). Espec´ıficamente, se tomaron algoritmos de identificacio´n de patrones frecuentes y datos irregulares(outliers) basados en consultas kNN y se re-implementaron en GPU usando con sultas en GPU de kNN masivamente paralelos. Estas implementaciones en GPU(Unida de procesamiento gráfico) permitieron ejecutar estudios experimentales sobre esta base de datos y as´ı validar su desempen˜o usando un servidor(workstation) con GPU(Unidad de procesamiento gráfico) GTX1080 que resultó en un aumento de desempeño de hasta 10 veces. Estas técnicas de minería de datos serían de utilidad para apoyar estudios en climatología, o para ser utilizada en otros análisis de series temporales. Este trabajo forma parte de los resultados del circulo de investigación de cambio climático que desarrolla la Universidad Nacional de San Agustín de Arequipa, la Universidad La Salle de Arequipa, la Pontificia Universidad Católica del Perú y la Universidad de la Amazonia.