En general, todos los algoritmos de análisis del impacto en las tendencias (TIA) se basan en el análisis de estimaciones proporcionadas por expertos en probabilidad de ocurrencia de eventos sin precedentes como una entrada del algoritmo. Nagami propone un mecanismo avanzado para generar estimaciones indirectas con diferentes grados de severidad utilizando la lógica difusa (Fuzzy logic).

1. A Fuzzy Logic based Tred Impact Analysis
method
Nedaa Agami, Mohamed Saleh, Hisham El-Shishiny
Decision Support Department. Faculty of Computers & Information.
Cairo University, Giza. Egypt. 2010
ISAAC DANIEL OLMOS SALAZAR
JUAN CARLOS BARAJAS NAVARRO

2. Introducción
• TIA – Trend Impact Analysis: estimaciones generadas por
expertos en probabilidad para definir la probabilidad de
ocurrencia de un evento.
• Se propone un mecanismo para generar estimaciones más
justificables sobre eventos sin precedentes con un función
de tiempo con varios niveles de severidad utilizando Fuzzy
Logic.
o Se considera escenarios que puedan impactar en los ámbitos en
los campos tecnológicos, políticos, sociales y económicos.

3. Introducción
TIA- herramienta de forecasting en donde las series de tiempo son modificadas
considerando los estímulos ingresados por los expertos, lo cual se refiere a juicios
cualitativos.
Regresión logística, Árboles de decisión, Clasificación Bayesiano y otros modelos
similares requieren información histórica para lograr ajustar las curvas en los
análisis.

4. Fuzzy Logic (FL)
•
•
Lotfi A Zadeh (1965) Berkely, Ca. – lógica con multi-valores que permite valores
intermedios puedan ser definidos como verdadero/falso, si/no, alto/bajo, etc.
Variables lingüísticas: donde los valores son palabras en lugar de números, que
permite que conceptos como más que y mucho puedan ser modelados con el
objetivo de asemejar el pensamiento humano dentro de la programación.
Código binario (0,1) vs. Capacidad humana de toma de decisiones,
razonamiento y solución de problemas.

5. Estructura Fuzzy Logic
1. Simulación de Atributos. Identificación de eventos a ser considerados en el
análisis
2. Fuzzification. Convierte la información de entrada en información fuzzy
3. Reglas. Parámetros prestablecidos para la acción del modelo. Or, And & Not.
4. De-fuzzification. Determinación de grados de severidad del evento para
generación de escenarios (High (H), low (L), medium (M) o sin ocurrencia
(NON))

6. Diagrama de flujo
FUZZIFICATION
INFERENCE SYSTEM
DE-FUZZIFICATION
NumS
NumY
NumE
BaseFrcVec
MaxImMx
SSImMX
TMaxMx
TSSMx
SrMx
FracChgVect
Número de Escenarios
Número de Años
Número de Eventos
Vector base pronóstico
Matriz de Impacto Máximo
Matiz de estado-estable
Tiempo impacto Máximo
Tiempo de estado estable
Matriz de Escenarios
Vector de cambio fraccional

7. Caso de Estudio
“Se desea estudiar la afectación en el flujo
anual de agua en un lago a partir de la
sequía en la cuenca del río, considerando
una proyección a 15 años”

8. Resultado
Desde MATLAB, se obtuvieron 100,000 escenarios con
una proyección a 15 años, es decir 180 meses, sobre un
evento (Sequia), es decir NumE = 1.
MaxImpMx
E1
High
-0.1875
Medium
-0.095
Low
-0.0725
E1
High
-0.1
Medium
-0.05
Low
-0.0375
E1
High
2
Medium
4
Low
6
E1
High
6
Medium
10
Low
12
SSImpMx
TMaxMx
TSSMx

9. Reglas Difusas
Rule
1
2
3
4
5
6
Atributo 1:
Promedio de Temperatura
LOW
LOW
MEDIUM
MEDIUM
HIGH
HIGH
Atributo 2:
Promedio de Humedad
WET
DRY
WET
DRY
WET
DRY
Severidad del Evento
NON
LOW
NON
MEDIUM
NON
HIGH
De ahí se deduce que las reglas 1,3 y 5 se pueden
simplificar a 1 sola que se determine únicamente por
promedio de humedad = WET -> SEVERIDAD NON

10. Escenarios
Se tiene un periodo oscilatorio de 40 meses y los flujos
promedio son de 5.25, 5.1, 4.85 y 4.7 (millones de metros
cúbicos) para el pronóstico base, percentil 90, mediana
y percentil 10 respectivamente.

11. Conclusiones y trabajo futuro
• El TIA es una herramienta de predicción avanzada que
se utiliza en estudios futuros.
• La lógica difusa es un enfoque poderoso para el
razonamiento con incertidumbre, que es tolerante
cuando se tiene información imprecisa.
• Como una extensión del análisis de impacto a las
tendencias (TIA) para evitar la estimación común del
experto se propone el uso de variables de activación
mediante un modelo estocástico (Montecarlo) e
incorporar redes neuronales (Neuro-Fuzzy)

12. Aplicaciones del TIA en pronóstico de trayectorias de huracanes