• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Listar

    Todo UVaDOCComunidadesPor fecha de publicaciónAutoresMateriasTítulos

    Mi cuenta

    Acceder

    Estadísticas

    Ver Estadísticas de uso

    Compartir

    Ver ítem 
    •   UVaDOC Principal
    • TRABAJOS FIN DE ESTUDIOS
    • Trabajos Fin de Grado UVa
    • Ver ítem
    •   UVaDOC Principal
    • TRABAJOS FIN DE ESTUDIOS
    • Trabajos Fin de Grado UVa
    • Ver ítem
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/75646

    Título
    Obtención de patrones meteorológicos mediante Machine Learning
    Autor
    Fernández Marcos, Antía
    Director o Tutor
    Martín Pérez, María LuisaAutoridad UVA
    Santos Muñoz, Daniel
    Editor
    Universidad de Valladolid
    Año del Documento
    2025-04-03
    Titulación
    Grado en Ingeniería Informática de Servicios y Aplicaciones
    Resumen
    Los CTs representan una de las amenazas más significativas para las regiones costeras alrededor del mundo, debido a su capacidad de causar daños extensos y poner en riesgo vidas humanas. Este Trabajo de Fin de Grado se enfoca en el desarrollo de un modelo de predicción de CTs, utilizando datos meteorológicos de alta resolución de ERA5, con el fin de mejorar la precisión y anticipación de estos fenómenos naturales. En esta memoria se revisan las principales técnicas y arquitecturas actuales utilizadas en la predicción meteorológica y el análisis de grandes volúmenes de datos. Se emplearon métodos de deep learning para desarrollar un modelo predictivo que analiza datos históricos y ofrece predicciones sobre la formación y trayectoria de CTs. La investigación incluye un análisis detallado de los datos, la selección de características relevantes y la implementación de algoritmos avanzados de aprendizaje automático. Este trabajo pone de manifiesto la importancia de la inteligencia artificial y el aprendizaje automático en la mejora de las predicciones meteorológicas y ofrece una base sólida para el desarrollo de sistemas avanzados de alerta temprana.
    Palabras Clave
    Predicción de ciclones
    Deep Learning
    ERA5
    Inteligencia Artificial
    Meteorología
    CT
    Ciclón tropical
    Idioma
    spa
    URI
    https://uvadoc.uva.es/handle/10324/75646
    Derechos
    openAccess
    Aparece en las colecciones
    • Trabajos Fin de Grado UVa [30858]
    Mostrar el registro completo del ítem
    Ficheros en el ítem
    Nombre:
    TFG-B. 2309.pdf
    Tamaño:
    3.642Mb
    Formato:
    Adobe PDF
    Thumbnail
    Visualizar/Abrir
    Attribution-NonCommercial-NoDerivatives 4.0 InternacionalLa licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10