Nowcasting de precipitación basado en técnicas de aprendizaje profundo de máquinas e imágenes de radar: Caso de estudio, Valle del Aburrá. Trabajo de Grado

El pronostico a muy corto plazo (nowcasting) cumple un rol crucial en la predicción meteorológica, donde el radar meteorológico constituye un instrumento clave para la observación de fenómenos atmosféricos. Sin embargo, los modelos tradicionales presentan desafíos importantes: los enfoques basados en extrapolación tienen dificultades para representar procesos no lineales, mientras que los modelos numéricos requieren un uso intensivo de recursos computacionales. En respuesta a estas limitaciones, este trabajo implementa técnicas de aprendizaje profundo de maquinas en el contexto del nowcasting, aprovechando su capacidad para modelar relaciones no lineales y su mayor eficiencia computacional. En particular, se entreno un modelo basado en redes neuronales ConvLSTM, cuya estructura permite capturar dinámicas espacio-temporales, con el objetivo de predecir 30 minutos en el futuro (a intervalos de 6 minutos) a partir de una secuencia de 29 imágenes de radar consecutivas. Los resultados muestran que el modelo alcanza un buen desempeño en el primer paso de tiempo en comparación con el modelo de persistencia, lo cual se explica por su entrenamiento enfocado en la predicción de la imagen siguiente; no obstante, el rendimiento decrece conforme avanza el horizonte temporal, lo que sugiere la necesidad de ajustar la estrategia de entrenamiento para incluir múltiples pasos de predicción en el proceso de optimización.

• Autores: Bohórquez Hurtado, Julio Simón Pedro
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2025
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/48132
• Acceso en línea: https://hdl.handle.net/10495/48132
• Palabra clave: Radar; Radar; Precipitación atmosférica; Precipitation; Pronóstico del tiempo; Weather forecasting; http://aims.fao.org/aos/agrovoc/c_6161; http://aims.fao.org/aos/agrovoc/c_8340; http://vocabularies.unesco.org/thesaurus/concept5845
• Rights: openAccess
• License: http://creativecommons.org/publicdomain/zero/1.0/