Pronóstico Híbrido Espacio-Temporal de Precipitaciones en Chile: Integrando Aprendizaje Profundo, Geoestadística y Teledetección

Simple item page
dc.contributor.advisorHerrera Marín, Mauricio
dc.contributor.authorGodoy Delaigue, César
dc.coverage.spatialAntofagasta
dc.date.accessioned2026-03-11T19:38:22Z
dc.date.available2026-03-11T19:38:22Z
dc.date.issued2025
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.abstractLa alta variabilidad espaciotemporal de las precipitaciones en Chile representa un desafío significativo para los modelos de pronóstico tradicionales, limitando su eficacia en la gestión hídrica y la mitigación de riesgos climáticos. Este trabajo de tesis aborda dicho problema mediante el desarrollo y la validación de un modelo híbrido que integra tres pilares metodológicos. En primer lugar, se utiliza el aprendizaje profundo, combinando Autoencoders (AE) para la extracción de patrones espaciales y la Descomposición Modal Dinámica (DMD) para su evolución temporal. En segundo lugar, se incorpora el operador de Koopman a través de un Autoencoder Variacional (KoVAE), permitiendo modelar dinámicas no lineales de forma linealizada y generar pronósticos probabilísticos con cuantificación de incertidumbre. Finalmente, se emplean técnicas de geoestadística, como el análisis variográfico y el kriging, junto con datos de teledetección de alta resolución (CHIRPS), para mejorar la coherencia espacial del modelo. La pregunta de investigación central es si esta integración puede mejorar la precisión y coherencia espacial del pronóstico respecto a un enfoque AE+DMD tradicional. La hipótesis postula que la combinación de estas técnicas permitirá modelar de manera más efectiva las correlaciones espacio-temporales, reduciendo el error de predicción y ofreciendo un marco robusto para la toma de decisiones en un contexto de incertidumbre climática.
dc.format.extent43 p.
dc.identifier.urihttps://hdl.handle.net/11447/10618
dc.language.isoes
dc.publisherUniversidad del Desarrollo. Facultad de Ingeniería
dc.subject070037S
dc.subjectGeoestadística
dc.subjectOperador de Koopman
dc.subjectDeep learning
dc.subjectPronósticos
dc.subjectPrecipitaciones
dc.titlePronóstico Híbrido Espacio-Temporal de Precipitaciones en Chile: Integrando Aprendizaje Profundo, Geoestadística y Teledetección
dc.typeThesis
dcterms.accessRightsAcceso abierto

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Pronóstico Híbrido Espacio Temporal de Precipitaciones en Chile.pdf
Size:
2.6 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