2026-04-27T08:18:03Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/756462025-09-10T11:47:03Zcom_10324_38col_10324_852
Martín Pérez, María Luisa
Santos Muñoz, Daniel
Fernández Marcos, Antía
Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
2025-04-29T08:15:59Z
2025-04-29T08:15:59Z
2025
https://uvadoc.uva.es/handle/10324/75646
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.
Grado en Ingeniería Informática de Servicios y Aplicaciones
application/pdf
spa
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Predicción de ciclones
Deep Learning
ERA5
Inteligencia Artificial
Meteorología
CT
Ciclón tropical
Obtención de patrones meteorológicos mediante Machine Learning
info:eu-repo/semantics/bachelorThesis