Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/5373Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Pérez Navarro, Marco Antonio | - |
| dc.creator | Pérez Navarro, Marco Antonio%1099617 | - |
| dc.date.accessioned | 2023-03-14T01:44:30Z | - |
| dc.date.available | 2023-03-14T01:44:30Z | - |
| dc.date.issued | 2022-12-12 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/5373 | - |
| dc.description | En este trabajo se implementa un modelo basado en aprendizaje automático, utilizando redes neuronales artificiales, para completar series temporales de datos hidrográficos en un polígono dado. El área de estudio seleccionada está delimitada por un polígono irregular, abarcando parte de la región central y sur del Golfo de México. Se utilizaron datos in situ descargados de la base de datos oceánica mundial (WOD18), seleccionando los datos correspondientes al periodo comprendido entre los a˜nos 2013 al 2021, y como primera etapa, datos con profundidad de cero a diez metros. El modelo fue implementado en Keras con Tensorflow, en el lenguaje Python. En la metodología propuesta, se utilizó la librería Talos para determinar la mejor combinación de número de capas ocultas y n´umero de neuronas por capa oculta para el modelo. Se realizó la predicción con una escala temporal mensual y con una escala espacial de una cuadrícula de 2°×2°. La división del conjunto de datos se efectuó de forma aleatoria, repitiendo el procedimiento de división de los datos y entrenamiento del modelo diez veces y posteriormente seleccionando el modelo con el menor valor en la función de perdida con los datos de prueba. El modelo fue evaluado mediante el error cuadrático medio (MSE) y el coeficiente de determinación (R2), obteniendo para el MSE un valor global de 0.0095, mientras que para R2 fue de 0.9985, los cuales superan a resultados de trabajos similares donde reportan el uso de redes neuronales artificiales. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | Series temperales | es_MX |
| dc.subject.other | Datos hidrográficos | es_MX |
| dc.title | MODELO PREDICTIVO DE SERIES TEMPORALES DE DATOS HIDROGRÁFICOS MEDIANTE APRENDIZAJE AUTOMÁTICO | es_MX |
| dc.type | info:eu-repo/semantics/masterThesis | es_MX |
| dc.contributor.director | Castro Liera, Marco Antonio%256582 | - |
| dc.contributor.director | Tenorio Fernández, Leonardo%214765 | - |
| dc.folio | TM-MSC01-2023 | es_MX |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Instituto Tecnológico de La Paz | es_MX |
| Appears in Collections: | Maestría en Sistemas Computacionales | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| PérezNavarro.pdf | Texto completo | 7.94 MB | Adobe PDF | View/Open |
| Carta Licencia de Uso MAPN.pdf Until 9999-06-05 | 3.31 MB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
