Predicción de lluvia a muy corto plazo mediante el uso de técnicas de aprendizaje profundo
RESUMEN: La predicción de precipitación a muy corto plazo es una herramienta fundamental y con numerosas aplicaciones en el ámbito urbano y rural, teniendo un gran impacto en la agricultura, mantenimiento de aguas residuales, actividades industriales, etc. Actualmente, lo más común es que las aplica...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2020 |
| País: | España |
| Institución: | Universidad de Cantabria (UC) |
| Repositorio: | UCrea Repositorio Abierto de la Universidad de Cantabria |
| Idioma: | español |
| OAI Identifier: | oai:repositorio.unican.es:10902/20796 |
| Acceso en línea: | http://hdl.handle.net/10902/20796 |
| Access Level: | acceso abierto |
| Palabra clave: | Predicción a corto plazo Precipitación Aprendizaje profundo Redes neuronales Convolución Nowcasting Precipitation Deep learning Neural networks Convolution |
| Sumario: | RESUMEN: La predicción de precipitación a muy corto plazo es una herramienta fundamental y con numerosas aplicaciones en el ámbito urbano y rural, teniendo un gran impacto en la agricultura, mantenimiento de aguas residuales, actividades industriales, etc. Actualmente, lo más común es que las aplicaciones operativas hagan uso de observaciones de radar y técnicas basadas en la persistencia lagrangiana (o semi-lagrangiana en el caso de introducir modelización estadística). Sin embargo, está produciéndose un aumento en el estudio del problema mediante el uso de algoritmos de aprendizaje profundo. En el marco de este trabajo, se consideran un conjunto de radares regionales ofrecidos en abierto por la Agencia Estatal de Meteorología (AEMET) para modelizar, a través del uso de técnicas de aprendizaje profundo, la variabilidad espacio-temporal de la precipitación. Además, se han añadido como variable predictora los datos obtenidos mediante simulaciones numéricas del modelo de mesoescala WRF (Weather Research and forecasting) con el objetivo de estudiar su posible valor añadido. |
|---|