Pronóstico Espaciotemporal de Precipitaciones en Chile utilizando Redes Neuronales y Métodos Estadísticos Avanzados

Simple item page
dc.contributor.advisorHerrera Marín, Mauricio
dc.contributor.authorMarchant Ferrada, Martín
dc.contributor.authorSilva Uribe, Sergio
dc.coverage.spatialSantiago
dc.date.accessioned2025-02-17T17:08:11Z
dc.date.available2025-02-17T17:08:11Z
dc.date.issued2024
dc.descriptionProyecto de grado presentado a la Facultad de Ingeniería de la Universidad del Desarrollo para optar al grado académico de Magíster en Data Science
dc.description.abstractEl objetivo de esta investigación es evaluar la efectividad del uso combinado de un Autoencoder (AE) y la Descomposición Modal Dinámica (DMD) en la predicción de patrones espacio-temporales de precipitaciones en Chile. Se propone un enfoque innovador que integra estas metodologías para capturar la complejidad dinámica de los datos climáticos, utilizando una representación compacta en un espacio latente y su posterior descomposición dinámica. Los resultados obtenidos evidencian una alta precisión en la predicción de precipitaciones, con un destacado desempeño en la identificación de patrones dominantes y recurrentes en las series temporales. Además, se resalta el bajo costo computacional del modelo, ya que todo el proceso se ejecutó exitosamente en un equipo de cómputo estándar, lo que refuerza su aplicabilidad en contextos con recursos limitados. Este enfoque permitió generar predicciones locales, logrando un nivel de detalle y especificidad superior al de los modelos globales tradicionales, crucial para la toma de decisiones en áreas específicas de Chile. En síntesis, esta investigación demuestra la viabilidad y precisión de esta metodología para predecir precipitaciones en Chile, destacando su potencial para aplicaciones climáticas en entornos específicos, ya que son predicciones locales. Su enfoque basado en la integración de técnicas modernas de machine learning y análisis modal dinámico resalta como una solución eficiente e innovadora en el campo de la modelización climática.
dc.format.extent57 p.
dc.identifier.urihttps://hdl.handle.net/11447/9772
dc.language.isoes
dc.publisherUniversidad del Desarrollo. Facultad de Ingeniería
dc.subject070037S
dc.subjectPronóstico
dc.subjectRedes neuronales
dc.subjectClima
dc.subjectPrecipitaciones
dc.titlePronóstico Espaciotemporal de Precipitaciones en Chile utilizando Redes Neuronales y Métodos Estadísticos Avanzados
dc.typeThesis
dcterms.accessRightsAcceso abierto

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Pronóstico Espaciotemporal de Precipitaciones en Chile Utilizando Redes Neuronales y Métodos Estadísticos Avanzados.pdf
Size:
2.35 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
347 B
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Tesis de Postgrado Ingeniería

Implementado por OpenGeek Services