Pronóstico del índice estandarizado de precipitación (SPI) en la región de Nariño utilizando técnicas de inteligencia artificial
| dc.contributor.advisor | Alfonso-Morales, Wilfredo | |
| dc.contributor.advisor | Canchala Nastar, Teresita del Rocio | |
| dc.contributor.author | Fernández Álvarez, Cristhian Eduardo | |
| dc.date.accessioned | 2024-04-15T13:14:57Z | |
| dc.date.available | 2024-04-15T13:14:57Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | En este trabajo de investigación se presenta un modelo computacional para el pronóstico del ́índice estandarizado de precipitación (SPI) en el departamento de Nariño. El modelo está conformado por las siguientes etapas: fuente de datos, metodología, modelo y finalmente el pronóstico del SPI. Para la etapa fuente de datos, se utilizó la base de datos satelital CHIRPS (Climate Hazards Group InfraRed Precipitation with Station data) y variables macro climáticas, de CHIRPS se extrajeron datos de precipitación mensual. Posteriormente en la etapa de metodología, se calculó el SPI para diferentes escalas temporales (1, 3, 6 y 12 meses); luego, se realizó una reducción de dimensionalidad empleando el método de análisis de componentes principales no lineales (ACPNL) en conjunto con un análisis de cluster, con la finalidad de encontrar regiones espaciales donde los datos SPI presentaran un comportamiento similar; determinando las regiones SPI similares, se realizó un análisis de correlación entre las regiones y los ́índices macro climáticos. Los ́índices que reportaron correlaciones altas fueron seleccionadas como variables predictoras del modelo de pronóstico, el modelo general, es la unión de cuatro modelos NNARMAX creados a partir de las regiones identificadas y la arquitectura ACPNL que dan como resultado el SPI pronosticado. El modelo general de pronóstico resulto en un modelo robusto con una ventana temporal de pronóstico de 6 meses, errores relativamente bajos de 0.13 (0.37) en el ECM, 0.85 (0.79) en el CPP y de 0.85 (0.78) en BICOR para la región Este (Oeste). El pronóstico del SPI permite evaluar la sequía meteorológica, como punto de partida en la implementación de estrategias de adaptación y mitigación a la variabilidad climática. La reducción de la vulnerabilidad a la sequía mediante la generación de nuevo conocimiento y construcción de herramientas interdisciplinarias se constituye como el principal aporte de esta investigación a la región. | |
| dc.description.degreelevel | Maestría | spa |
| dc.description.degreename | MAGISTER EN INGENIERÍA - ÉNFASIS EN AUTOMÁTICA | spa |
| dc.format.extent | 1 recurso en línea (98 páginas) | |
| dc.format.mimetype | application/pdf | |
| dc.identifier.uri | https://hdl.handle.net/10893/28999 | |
| dc.language.iso | spa | |
| dc.publisher | Universidad del Valle | spa |
| dc.publisher.faculty | FACULTAD DE INGENIERÍA | spa |
| dc.publisher.place | Colombia | spa |
| dc.publisher.program | MAESTRÍA EN INGENIERÍA - ÉNFASIS EN AUTOMÁTICA | spa |
| dc.rights.accessrights | info:eu-repo/semantics/openAccess | spa |
| dc.rights.coar | http://purl.org/coar/access_right/c_abf2 | spa |
| dc.rights.license | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | spa |
| dc.subject.lemb | Pronóstico del tiempo | |
| dc.subject.lemb | Modelos computacionales | |
| dc.subject.lemb | Sequías | |
| dc.subject.lemb | Sistemas no lineales | |
| dc.title | Pronóstico del índice estandarizado de precipitación (SPI) en la región de Nariño utilizando técnicas de inteligencia artificial | |
| dc.type | Trabajo de grado - Maestría | spa |
| dc.type.coar | http://purl.org/coar/resource_type/c_bdcc | |
| dc.type.coarversion | http://purl.org/coar/version/c_970fb48d4fbd8a85 | spa |
| dc.type.content | Text | |
| dc.type.driver | info:eu-repo/semantics/masterThesis | |
| dc.type.redcol | http://purl.org/redcol/resource_type/TM | |
| dc.type.version | info:eu-repo/semantics/publishedVersion | spa |
| dspace.entity.type | Publication | |
| person.identifier.orcid | 0000-0002-3091-6082 | |
| person.identifier.orcid | 0000-0002-5208-5515 | |
| relation.isDirectorOfPublication | 49bc3caa-eba1-4951-9cfb-fb06e0a6988a | |
| relation.isDirectorOfPublication | 2422d905-8c53-401c-8df0-bba6ba4a16ec | |
| relation.isDirectorOfPublication.latestForDiscovery | 49bc3caa-eba1-4951-9cfb-fb06e0a6988a |