Sistema de información climática para caracterizar de forma aproximada el comportamiento de 5 variables mediante una técnica de aprendizaje automático en el área de influencia de la Universidad Distrital Francisco José De Caldas Facultad Tecnológica

El documento proporciona un análisis detallado de una estación meteorológica innovadora que combina la recopilación de datos ambientales con tecnología avanzada de IoT y aprendizaje automático para predecir condiciones climáticas en el área de influencia de la Universidad Distrital Francisco José de Caldas, Facultad Tecnológica, se presentan un sistema que no sólo captura datos en tiempo real, sino que también utiliza algoritmos de aprendizaje automático para interpretar y pronosticar eventos climáticos. Este proyecto interdisciplinario muestra una integración de la ingeniería en telecomunicaciones y la ingeniería en control y automatización, lo que demuestra la viabilidad de estaciones meteorológicas de bajo costo y altamente eficientes para la toma de decisiones informadas en varios sectores como la agricultura, la gestión de desastres y la planificación urbana.[1] El proyecto destaca por su diseño enfocado en la sostenibilidad, empleando dispositivos como el microcontrolador ESP32, que se distingue por su procesamiento y bajo consumo energético, sensores de efecto Hall para medir variables como velocidad y dirección del viento, así como la precipitación. La plataforma Firebase de Google juega un papel importante en el almacenamiento y análisis de los datos recogidos, permitiendo un acceso y procesamiento en tiempo real que son fundamentales para la precisión meteorológica. Además, la tecnología ESP-NOW se utiliza para crear redes cohesivas y confiables entre los sensores y el centro de monitoreo.[2] El proyecto se justifica no solo por su valor educativo y científico, sino también por su potencial para mejorar la vida cotidiana y la gestión ambiental dentro de la comunidad universitaria y su entorno. Con una visión futurista, el documento explora las innovaciones y tendencias futuras, incluyendo la integración más profunda de IoT y aprendizaje automático, que podrían transformar aún más el análisis y la precisión de las predicciones meteorológicas. La metodología incluye el desarrollo de un prototipo de estación meteorológica conectada de manera remota a una base de datos y el uso de técnicas de preprocesamiento y análisis exploratorio de datos para predecir fenómenos atmosféricos. Se comparan tres algoritmos de aprendizaje automático utilizando índices estadísticos como el MSE, MAE y el índice de eficiencia, y se proporciona un análisis detallado de los datos recopilados para entender las relaciones entre diferentes variables climatológicas tales temperatura, humedad, dirección y velocidad del viento, y precipitación.[3] El trabajo enfatiza la importancia del cumplimiento de estándares técnicos y de calidad y competencia en el desarrollo y operación de estaciones meteorológicas, y concluye con una discusión sobre la relevancia de la investigación para el desarrollo tecnológico y la innovación en la región.

• Autores: Lázaro Mejia, Yarokxy; Carrillo Romero, Cristhian David
• 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:11349/41197
• Acceso en línea: http://hdl.handle.net/11349/41197
• Palabra clave: Estacion Meteorologica; loT; Aprendizaje automático; Punto de rocio; Sensores; Ingeniería en Control -- Tesis y disertaciones académicas; Sistemas de información climática; Aprendizaje automático en meteorología; Internet de las cosas (IoT); Estaciones meteorológicas de bajo costo; Predicción de variables climáticas; Weather station; IoT (Internet of Things); Machine learning; Dew point; Sensors
• License: Attribution-NonCommercial-NoDerivatives 4.0 Internacional