dc.contributor.advisor | Quispe Carita, Ángel Javier | es_PE |
dc.contributor.author | Cuno Cartagena, Kewin Xavier | es_PE |
dc.date.accessioned | 2024-12-17T23:33:28Z | |
dc.date.available | 2024-12-17T23:33:28Z | |
dc.date.issued | 2024-12-19 | |
dc.identifier.uri | https://repositorio.unap.edu.pe/handle/20.500.14082/23692 | |
dc.description.abstract | Este trabajo evalúa algoritmos de Machine Learning para predecir la precipitación total horaria en estaciones meteorológicas de las Redes Regional y Global de Observación Básica (RBON y GBON), utilizando datos de estaciones en Arequipa, Tacna y Lima, extraídos de la plataforma de datos abiertos del gobierno peruano. Se implementó un marco metodológico riguroso que incluyó el filtrado de valores atípicos, imputación de datos faltantes y normalización de variables predictoras para garantizar la calidad del dataset este contiene 387108 registros en diferentes estaciones. Se analizaron algoritmos como Decision Tree, Random Forest, Support Vector Regressor, Linear Regression y K-Nearest Neighbors, seleccionados por su capacidad para modelar relaciones lineales y no lineales, y se evaluaron utilizando métricas como el Error Cuadrático Medio (MSE), Error Absoluto Medio (MAE), Coeficiente de Determinación (R²), Varianza Explicada y Error Máximo. El modelo Decision Tree demostró el mejor desempeño, alcanzando un MSE de 1.01, un RMSE de 1.01 y un R² de 0.53, destacándose por su capacidad para manejar datos complejos y minimizar errores extremos. Los resultados validan la viabilidad de identificar modelos predictivos de alto rendimiento para precipitación horaria, subrayando la importancia del preprocesamiento de datos, optimización de hiperparámetros y análisis multivariante de métricas. | es_PE |
dc.format | application/pdf | es_PE |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad Nacional del Altiplano. Repositorio Institucional | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | es_PE |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/deed.es | es_PE |
dc.subject | Machine Learning | es_PE |
dc.subject | Optimización de Modelos | es_PE |
dc.subject | Precipitación Horaria | es_PE |
dc.subject | Predicción Meteorológica | es_PE |
dc.subject | Procesamiento de Datos | es_PE |
dc.title | Evaluación comparativa de algoritmos de Machine Learning para la predicción de precipitación total horaria en estaciones meteorológicas de RBON y GBON | es_PE |
dc.type | info:eu-repo/semantics/bachelorThesis | es_PE |
thesis.degree.name | Ingeniero Estadístico e Informático | es_PE |
thesis.degree.discipline | Ingeniería Estadística e Informática | es_PE |
thesis.degree.grantor | Universidad Nacional del Altiplano. Facultad de Ingeniería Estadística e Informática | es_PE |
dc.type.version | info:eu-repo/semantics/publishedVersion | es_PE |
dc.publisher.country | PE | es_PE |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#1.02.01 | es_PE |
renati.advisor.orcid | https://orcid.org/0000-0002-7357-4043 | es_PE |
renati.type | https://purl.org/pe-repo/renati/type#tesis | es_PE |
renati.level | https://purl.org/pe-repo/renati/nivel#tituloProfesional | es_PE |
renati.discipline | 542066 | es_PE |
renati.juror | López Cueva, Milton | es_PE |
renati.juror | Torres Cruz, Fred | es_PE |
renati.juror | Tisnado Puma, Julio César | es_PE |
renati.author.dni | 73097174 | |
renati.advisor.dni | 42266179 | |