MODELO PREDICTIVO DE SERIES TEMPORALES DE DATOS HIDROGRÁFICOS MEDIANTE APRENDIZAJE AUTOMÁTICO

Pérez Navarro, Marco Antonio

Ver Estadísticas

Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas:

Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)

Tesis de Posgrado

Baja California Sur

Instituto Tecnológico de La Paz

Tesis de maestría

Maestría en Sistemas Computacionales

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/5373

Full 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