Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.espam.edu.ec/handle/42000/1568
Tipo de material: bachelorThesis
Título : Modelo de predicción climática
Autor : Kuffó Zambrano, Marjorie Stefany
Pinargote Zambrano, Juan José
Tutor de tesis : López Zambrano, Javier Hernán
Palabras clave : Modelo de predicción;Pronóstico del clima;Series de tiempo climáticas;Aprendizaje automático
Fecha de publicación : oct-2021
Editorial : Calceta: ESPAM MFL
Páginas: 71 p.
Resumen : El presente trabajo de titulación tuvo como objetivo desarrollar un modelo de predicción climática para el pronóstico meteorológico en el Cantón Bolívar, fue necesario emplear técnicas como la revisión bibliográfica, recopilación de datos y análisis. Se resumió la información y resultados de otras investigaciones, con el propósito de estar al tanto con las aportaciones realizadas dentro de los últimos cinco años acerca del objeto de estudio. Luego, empleando un análisis comparativo dentro del estado del arte, se determinó que el modelo más factible para su aplicación dentro del trabajo fue la Red Neuronal Recurrente en conjunto a la estructura del algoritmo de memoria larga a corto plazo o LSTM. Seguidamente, se recopiló información histórica del clima perteneciente a la zona, para el entrenamiento y testeo del modelo se empleó registros de la estación Meteorológica de la ESPAM - MFL y del sitio web meteorológico Power Data Access Viewer (NASA), efectuándose también una exploración de datos y la correlación de Pearson para observar cuán relacionadas están las variables de los dataset, determinando que las mismas poseen comportamientos independientes entre sí. Finalmente, se construyó el modelo utilizando el lenguaje de programación Python en una versión 3.7.5, se definieron 150 epochs para el entrenamiento, obteniéndose mejores resultados en las variables de la humedad, temperatura máxima y la temperatura mínima, teniendo una exactitud entre los valores reales y predichos del 89.27%, 92.00%, y 90.61% con los datos de estación meteorológica y con el segundo dataset consiguieron un 93.75%, 94.54%, y 96.96%.
Descripción : The objective of this degree work was to develop a climate prediction model for weather forecasting in Canton Bolivar, it was necessary to use techniques such as the review of the state of the art, data collection and analysis. The information and results of other research were summarized, with the purpose of being up to date with the contributions made within the last five years about the object of study. Then, using a comparative analysis within the state of the art, it was determined that the most feasible model for its application within the work was the Recurrent Neural Network in conjunction with the structure of the long short- term memory or LSTM algorithm. Next, historical climate information pertaining to the area was collected, and for training and testing the model, records from the ESPAM - MFL meteorological station and the meteorological website Power Data Access Viewer (NASA) were used, and a data exploration and Pearson correlation was also performed to observe how related the variables of the datasets are, determining that they have independent behaviors among them. Finally, the model was built using the Python programming language in version 3.7.5, 150 epochs were defined for training, obtaining better results in the variables of humidity, maximum temperature and minimum temperature, with an accuracy between the real and predicted values of 89.27%, 92.00%, and 90.61% with the data from the meteorological station and with the second dataset they obtained 93.75%, 94.54%, and 96.96%.
Aparece en las colecciones: Trabajo de Titulación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TTC15D.pdf3,76 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons