Homogeneización de series pluviométricas de la cuenca del río Pastaza, utilizando módulos de inteligencia artificial

En la presente tesis se investigó un enfoque de Machine Learning en el campo de la hidrología, para ello se indagó los problemas de heterogeneidad en los anuarios de las estaciones meteorológicas publicados por el Instituto Nacional de Meteorología e Hidrología (INAMHI), en donde se encontró la ausencia de valores en las series pluviométricas. Para completar los datos faltantes generalmente se hace uso de un método convencional que engloba características generales de una serie pluviométrica, por esta razón en el presente trabajo se hace uso de un algoritmo en función de una red neuronal artificial entrenada para emular el comportamiento de los datos de precipitación registrados a través de la librería scikit-learn en un software libre de programación. El rendimiento de la red neuronal artificial se evaluó en función de la estimación de los datos pluviométricos faltantes de las estaciones meteorológicas ubicadas en la cuenca del río Pastaza, en donde se analizó el error cuadrático obtenido con el algoritmo y con el método convencional. Para validar el funcionamiento del software creado, se obtuvo la correlación por rangos de los valores calculados de ambos métodos, lo que permitió determinar la eficacia que el software basado en machine learning tiene

• Egile nagusia: Rogel Rojas, Alexander Adalberto (author)
• Formatua: bachelorThesis
• Hizkuntza: spa
• Argitaratua: 2022
• Gaiak: PRECIPITACIÓN; ESTACIONES METEOROLÓGICAS; INTELIGENCIA ARTIFICIAL; MACHINE LEARNING; RED NEURONAL ARTIFICIAL
• Sarrera elektronikoa: https://repositorio.uta.edu.ec/handle/123456789/36290