Predicción de precipitación en Mendoza y Buenos Aires mediante técnicas de aprendizaje de máquinas

En el presente trabajo se estudian dos modelos de Aprendizaje de Máquinas (AM) para evaluar sus desempeños en la predicción de ocurrencia de precipitación en la ciudad de Mendoza y en la Ciudad Autónoma de Buenos Aires (CABA) eninvierno y en verano. En primer lugar, analizamos las características es...

Descripción completa

Detalles Bibliográficos
Autor principal: Mandrilli Escudero, Paula Alejandra
Otros Autores: Santos, Jorge Rubén
Formato: info:eu-repo/semantics/bachelorThesis
Lenguaje:Español
Publicado: Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales 2018
Materias:
Acceso en línea:http://bdigital.uncu.edu.ar/14016
Descripción
Sumario:En el presente trabajo se estudian dos modelos de Aprendizaje de Máquinas (AM) para evaluar sus desempeños en la predicción de ocurrencia de precipitación en la ciudad de Mendoza y en la Ciudad Autónoma de Buenos Aires (CABA) eninvierno y en verano. En primer lugar, analizamos las características espacio-temporal de los datos meteorológicos (precipitación acumulada en tres horas y estado de la atmósfera cada seis horas) correspondientes a un período de quince años (2000 a 2014 inclusive), buscando aquellos con mayor influencia en la formación de la precipitación, facilitando la identificación del patrón que determina la precipitación mediante los modelos Regresión Logística (RL) y Red Neuronal Artificial (RNA). En segundo lugar, se aprenden los modelos mediante técnicas de AM y los evaluamos según métricas de tasa de aciertos y falsos negativos y de tiempos de ejecución al comparar las predicciones con las estimaciones de precipitación mediante información satelital. Luego, contrastamos la capacidad de predicción de dichos modelos con la del modelo Weather Research and Forecasting Model (WRF) aplicados al año 2011.