Predicción de patrones de comportamiento de la temperatura mediante herramientas estadísticas usadas en los modelos de circulación atmosférica 2020-2050

El trabajo de Titulación tuvo como objetivo predecir los patrones de comportamiento de la temperatura , donde se tomó como población de estudio todas las provincias del Ecuador, existen pocos análisis dedicados a predecir patrones de comportamiento, es por esto que se estudió la información que se obtuvo de los modelos de circulación atmosférica a futuro del banco de datos CHIRPS, esta información al estar en forma de matriz multidimensional se tuvo que transformar para poder trabajar con ella como matriz bidimensional, al realizar un análisis exploratorio se encontró una tendencia creciente no muy pronunciada pero clara , donde se evidencia que con el transcurso del tiempo la temperatura tendrá un incremento, además sus datos provienen de una distribución normal, luego de aplicar varios algoritmos de reducción de dimensionalidad. Como resultado se encontró que el algoritmo UMAP es mejor para encontrar una representación en dos dimensiones de esta matriz con varias columnas en la presente investigación, ayudando a conservar su estructura topológica multidimensional, así mismo se utilizó la distancia de Chebyshev para obtener mejores resultados, en donde el algoritmo efectuado para realizar las agrupaciones k-means resultó el mejor para agrupar esta información, con un índice de Silhouette de 0.72 donde se evidenció una clara separación de 10 o 15 años en los grupos, al comparar este rango de años de cuatro categorías con los cuatro grupos que agrupa k-means se encontró un 90% de exactitud, por lo que se concluyó con la predicción de que estos grupos pertenecen a temperaturas altas, muy altas, bajas y normales, según lo analizado en los mapas de calor, los gráficos de líneas e histograma de frecuencias. Se recomienda validar cada una de las técnicas para tener modelos efectivos que permitan tomar decisiones en el área de climatología.

• Autor principal: Toapanta Yugcha, Erika Alexandra (author)
• Formato: bachelorThesis
• Lenguaje: spa
• Publicado: 2022
• Materias: ESTADÍSTICA; CLUSTERING; K-MEANS; MACHINE LEARNING; PYTHON (PROGRAMA); PREDICCIÓN; MODELOS ATMOSFÉRICOS
• Acceso en línea: https://dspace.espoch.edu.ec/handle/123456789/19898