Information technologies are the perfect medium for the development of multidisciplinary proposals that contribute to the development of digital media for the benefit of society on the tracking and monitoring of the weather. The objective of this research is to develop a prototype of a low-cost mini-weather station with cloud service through Arduino, PHP and MySQL. The methodological design comprises in the identification of technological resources, design, coding, testing and implementation. In this first approach the mini-meteorological station allows obtaining data on ambient temperature, relative humidity and atmospheric pressure. The tests were conducted during 2017,2018 and 2019 in order to assess the operability of the prototype in different seasons of the year. The data quality performance represents an accuracy of 93.76% for the environmental temperature variable, 99% on atmospheric pressure and 50% for relative humidity. It is recommended that a FC-37 rain sensor and aJL-FS2 anemometer to measure wind speed be integrated to the prototype in future research.

El Fenómeno El Niño es un evento de origen climático. En el año 2017 este evento impacto la región Piura, Perú. Las fuertes precipitaciones pluviales generaron el desborde el río Piura que afecto los distritos de Piura, Castilla, Catacaos y Cura Mori. El objetivo del estudio es identificar las variables más influyentes y disponer de un modelo que prediga la ocurrencia del Fenómeno El Niño en la región Piura, mediante el uso de Redes Neuronales Artificiales. Los resultados indican que la Temperatura Superficial del Mar es la variable más influyente. El modelo tiene una precisión del 82% de precisión.

Las técnicas de inteligencia artificial han evolucionado y fortalecido permitiendo desarrollar propuestas transversales que velen y salvaguarden la integridad del ser humano. El presente estudio tiene como objetivo, elaborar una serie de tiempo que pronostique la Temperatura Superficial del Mar (TSM) a escala promedio diaria en la zona costera de Paita, Perú. La metodología empleada se centró en cinco fases, desde la recolección de datos hasta la validación del modelo. Los resultados obtenidos dan a conocer que existe un margen de error del 3.96% sobre la TSM a escala promedio semanal y una diferencia de 0.05 a 1.42, de manera diaria.

No abstract