Desarrollo de un framework para la predicción probabilística de precipitación en mediana escala en regiones de Argentina

Mostrar todas las versiones(2)

Se describe en este trabajo la implementación de un sistema para realizar un pronóstico climático (trimestral - bimensual - mensual) en cualquier región de la que se tengan observaciones provenientes de estaciones meteorológicas con registros largos, utilizando reanálisis y con el conocimiento de lo...

Descripción completa

Detalles Bibliográficos
Autor principal: Rolla, Alfredo Luis
Otros Autores: González, Marcela Hebe
Formato: Tesis de maestría publishedVersion
Lenguaje:Español
Publicado: Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2024
Acceso en línea:https://hdl.handle.net/20.500.12110/tesis_n7495_Rolla
Aporte de:
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires
id tesis:tesis_n7495_Rolla
record_format dspace
spelling tesis:tesis_n7495_Rolla2025-03-31T21:54:21Z Desarrollo de un framework para la predicción probabilística de precipitación en mediana escala en regiones de Argentina Rolla, Alfredo Luis González, Marcela Hebe Se describe en este trabajo la implementación de un sistema para realizar un pronóstico climático (trimestral - bimensual - mensual) en cualquier región de la que se tengan observaciones provenientes de estaciones meteorológicas con registros largos, utilizando reanálisis y con el conocimiento de los forzantes climáticos que actúan en esas regiones. La implementación de pronósticos de precipitación a escalas mensuales es importante para los tomadores de decisiones en diferentes áreas como la agricultura, la industria y la generación de energía. Dentro de las metodologías de pronóstico de mediana escala se encuentran las técnicas estadísticas que brindan la posibilidad de aprender de situaciones pasadas para pronosticar futuras. Las técnicas de minería de datos son actualmente una herramienta poderosa para abordar estos problemas. En este caso se consideran las redes neuronales, la regresión de soporte vectorial y los modelos aditivos generalizados, además de la metodología de regresión lineal múltiple más utilizada en el pasado, para obtener modelos de predicción de precipitaciones. Los resultados indican que las técnicas de minería de datos mejoran los pronósticos derivados de otras metodologías, aunque la eficiencia de las diferentes metodologías depende en gran medida del mes y la región. Además, se tiene la posibilidad de generar ensambles de varios modelos y derivar pronósticos probabilísticos que es una alternativa muy recomendable para realizar pronósticos que este sistema además permite. This paper describes the implementation of a system to perform a climate forecast (quarterly - bimonthly - monthly) in any region in which there are observations from meteorological stations with long records using reanalysis and knowledge of the climatic forcing that act in those regions. The implementation of precipitation forecasts at monthly scales is important for decision makers in different areas such as agriculture, industry, and power generation. Among the medium scale forecast methodologies are statistical techniques that provide the possibility of learning from past situations to forecast future ones. Data mining techniques are currently a powerful tool to address these problems. In this case, neural networks, support vector regression and generalized additive models are considered, in addition to the multiple linear regression methodology most used in the past, to obtain rainfall prediction models. The results indicate that data mining techniques improve forecasts derived from other methodologies, although the efficiency of the different methodologies is highly dependent on month and region. Additionally, the possibility of generating ensembles of several models and deriving probabilistic forecasts is a highly recommended alternative to carry out the forecast that this system allows. Fil: Rolla, Alfredo Luis. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2024-03-12 info:eu-repo/semantics/masterThesis info:ar-repo/semantics/tesis de maestría info:eu-repo/semantics/publishedVersion application/pdf spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/tesis_n7495_Rolla
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-134
collection Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA)
language Español
orig_language_str_mv spa
description Se describe en este trabajo la implementación de un sistema para realizar un pronóstico climático (trimestral - bimensual - mensual) en cualquier región de la que se tengan observaciones provenientes de estaciones meteorológicas con registros largos, utilizando reanálisis y con el conocimiento de los forzantes climáticos que actúan en esas regiones. La implementación de pronósticos de precipitación a escalas mensuales es importante para los tomadores de decisiones en diferentes áreas como la agricultura, la industria y la generación de energía. Dentro de las metodologías de pronóstico de mediana escala se encuentran las técnicas estadísticas que brindan la posibilidad de aprender de situaciones pasadas para pronosticar futuras. Las técnicas de minería de datos son actualmente una herramienta poderosa para abordar estos problemas. En este caso se consideran las redes neuronales, la regresión de soporte vectorial y los modelos aditivos generalizados, además de la metodología de regresión lineal múltiple más utilizada en el pasado, para obtener modelos de predicción de precipitaciones. Los resultados indican que las técnicas de minería de datos mejoran los pronósticos derivados de otras metodologías, aunque la eficiencia de las diferentes metodologías depende en gran medida del mes y la región. Además, se tiene la posibilidad de generar ensambles de varios modelos y derivar pronósticos probabilísticos que es una alternativa muy recomendable para realizar pronósticos que este sistema además permite.
author2 González, Marcela Hebe
author_facet González, Marcela Hebe
Rolla, Alfredo Luis
format Tesis de maestría
Tesis de maestría
publishedVersion
author Rolla, Alfredo Luis
spellingShingle Rolla, Alfredo Luis
Desarrollo de un framework para la predicción probabilística de precipitación en mediana escala en regiones de Argentina
author_sort Rolla, Alfredo Luis
title Desarrollo de un framework para la predicción probabilística de precipitación en mediana escala en regiones de Argentina
title_short Desarrollo de un framework para la predicción probabilística de precipitación en mediana escala en regiones de Argentina
title_full Desarrollo de un framework para la predicción probabilística de precipitación en mediana escala en regiones de Argentina
title_fullStr Desarrollo de un framework para la predicción probabilística de precipitación en mediana escala en regiones de Argentina
title_full_unstemmed Desarrollo de un framework para la predicción probabilística de precipitación en mediana escala en regiones de Argentina
title_sort desarrollo de un framework para la predicción probabilística de precipitación en mediana escala en regiones de argentina
publisher Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publishDate 2024
url https://hdl.handle.net/20.500.12110/tesis_n7495_Rolla
work_keys_str_mv AT rollaalfredoluis desarrollodeunframeworkparalaprediccionprobabilisticadeprecipitacionenmedianaescalaenregionesdeargentina
_version_ 1831982785207730176

Ejemplares similares