Estudio e implementación de algoritmos de aprendizaje automatizado para el pronóstico de la actividad pluvial en Bogotá

Este trabajo se enfoca en el estudio y evaluación de diversos métodos de aprendizaje automatizado aplicados a la predicción de precipitaciones con información proveniente de estaciones meteorológicas ubicadas en la ciudad de Bogotá, Colombia. La predicción meteorológica a corto plazo constituye un á...

Full description

Autores:
López Arboleda, Rubén Alejandro
Contreras Rodríguez, Hernan Dario
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad Distrital Francisco José de Caldas
Repositorio:
RIUD: repositorio U. Distrital
Idioma:
spa
OAI Identifier:
oai:repository.udistrital.edu.co:11349/40411
Acceso en línea:
http://hdl.handle.net/11349/40411
Palabra clave:
Precipitaciones
Redes neuronales
Sistemas difusos
Predicciones
Ingeniería Electrónica -- Tesis y disertaciones académicas
Aprendizaje automático (Inteligencia artificial)
Variabilidad de precipitación
Clima -- Predicciones
Bogotá D.C. -- Cambios climáticos
Precipitation
Neural networks
Fuzzy systems
Predictions
Rights
License
Atribución 4.0 Internacional
Description
Summary:Este trabajo se enfoca en el estudio y evaluación de diversos métodos de aprendizaje automatizado aplicados a la predicción de precipitaciones con información proveniente de estaciones meteorológicas ubicadas en la ciudad de Bogotá, Colombia. La predicción meteorológica a corto plazo constituye un ámbito sumamente complejo que ha sido objeto de exhaustivo estudio en los últimos años. Los progresos en los sistemas de medición y captura de datos, así como en la capacidad de cómputo, han posibilitado una notable mejora de la precisión en las predicciones climáticas de corto alcance temporal. Este avance está generando un impacto significativo en la manera en que individuos y comunidades se anticipan y se preparan para las condiciones meteorológicas. Los métodos de aprendizaje automatizado seleccionados para este estudio abarcan tanto sistemas difusos como redes neuronales. Entre los sistemas difusos, se implementaron algoritmos genéticos simples (ANFIS), algoritmos evolutivos (DE) y algoritmos de búsqueda aleatoria de sistemas difusos (random search). Por otro lado, en el ámbito de las redes neuronales, se emplearon las redes FeedForward, las redes LSTM y las redes BILSTM. Todas las implementaciones se llevaron a cabo mediante algoritmos desarrollados en el entorno de programación MATLAB. La evaluación de los métodos implementados se llevó a cabo mediante el análisis de diversos índices de desempeño, tales como, prediction of change in direcrion (POCID), pearson correlation coefficient (r), nash-sutcliffe efficiency (NSE) y root-mean-square deviation (RMSE). Los resultados obtenidos revelan hallazgos significativos que subrayan la necesidad de realizar investigaciones adicionales en este ámbito. Este documento presenta un punto de partida sólido para comprender y mejorar los métodos de predicción de precipitaciones en Bogotá, contribuyendo así al avance de la investigación en climatología y aprendizaje automatizado aplicado a fenómenos meteorológicos imprevisibles y complejos.