El constante aumento del nivel del mar, causado por la acción del cambio climático, provoca daños irreparables en los medios naturales, que afecta a diversas zonas del planeta. Estas zonas presentan diversos riesgos naturales por el aumento del nivel del mar que van desde inundaciones hasta corrimientos de tierras, que afectan tanto a los seres humanos como a la biodiversidad. Por ello es necesario intentar predecir este fenómeno.
En este trabajo, se estudia y analizan diversos niveles y alturas obtenidos de los mareógrafos y estaciones GNSS de la geografía nacional. Con estos datos se entrenarán y compararán diversos modelos de predicción.
Estos modelos de predicción son los modelos Autorregresivos Integrados de Medias Móviles (ARIMA) y modelos de Aprendizaje Automático; entre los que se encuentran Vecinos más Cercanos (KNN), Árboles de Decisión (DT), Bosques Aleatorios (RF) y Perceptrón Multicapa (MLP).
Además de estudiar, analizar y comparar dichos datos y modelos de predicción, se mostrarán parte de los resultados en un panel web interactivo. En él se puede hacer uso del mejor modelo de predicción de Aprendizaje Automático aplicado para cada caso.
Para realizar este trabajo se ha contado con herramientas de programación, tanto en la parte de estudio y análisis, como en la parte del panel web.
Ambas partes se han desarrollado con Python, haciendo uso de cuadernos de Jupyter en la parte del estudio para la extracción, tratamiento, limpieza y análisis de los datos. Mientras que en la parte del panel web, se ha desarrollado con Django como base, junto con los lenguajes HTML, CSS y Javascript, haciendo uso de ellos para el apartado estético y facilitar la experiencia de usuario.
Los resultados finales el estudio indica que el nivel del mar está aumentando de forma general, al contrario que sucede con la altura del terreno que está disminuyendo. En cuanto a los modelos de predicción ambos tipos son buenos para predecir dichos datos a corto plazo, sin embargo, a largo plazo los modelos ARIMA son mejores; al captar mejor las características generales de cada conjunto de datos.
Abstract:
El constante aumento del nivel del mar, causado por la acción del cambio climático, provoca daños irreparables en los medios naturales, que afecta a diversas zonas del planeta. Estas zonas presentan diversos riesgos naturales por el aumento del nivel del mar que van desde inundaciones hasta corrimientos de tierras, que afectan tanto a los seres humanos como a la biodiversidad. Por ello es necesario intentar predecir este fenómeno.
En este trabajo, se estudia y analizan diversos niveles y alturas obtenidos de los mareógrafos y estaciones GNSS de la geografía nacional. Con estos datos se entrenarán y compararán diversos modelos de predicción.
Estos modelos de predicción son los modelos Autorregresivos Integrados de Medias Móviles (ARIMA) y modelos de Aprendizaje Automático; entre los que se encuentran Vecinos más Cercanos (KNN), Árboles de Decisión (DT), Bosques Aleatorios (RF) y Perceptrón Multicapa (MLP).
Además de estudiar, analizar y comparar dichos datos y modelos de predicción, se mostrarán parte de los resultados en un panel web interactivo. En él se puede hacer uso del mejor modelo de predicción de Aprendizaje Automático aplicado para cada caso.
Para realizar este trabajo se ha contado con herramientas de programación, tanto en la parte de estudio y análisis, como en la parte del panel web.
Ambas partes se han desarrollado con Python, haciendo uso de cuadernos de Jupyter en la parte del estudio para la extracción, tratamiento, limpieza y análisis de los datos. Mientras que en la parte del panel web, se ha desarrollado con Django como base, junto con los lenguajes HTML, CSS y Javascript, haciendo uso de ellos para el apartado estético y facilitar la experiencia de usuario.
Los resultados finales el estudio indica que el nivel del mar está aumentando de forma general, al contrario que sucede con la altura del terreno que está disminuyendo. En cuanto a los modelos de predicción ambos tipos son buenos para predecir dichos datos a corto plazo, sin embargo, a largo plazo los modelos ARIMA son mejores; al captar mejor las características generales de cada conjunto de datos.
Abstract: Read More
Related posts:
Seguridad y privacidad en las redes 5g: una revisión sistemática de la literatura
Predicción de demanda de gas y electricidad utilizando técnicas estadísticas avanzadas e inteligencia artificial
Evolución de los modelos de enseñanza en el fútbol de iniciación
Trabajadoras olvidadas de Madrid. Oficios, memorias y espacio urbano
El paisaje: lugar y memoria en los pueblos de colonización
Previsión del precio SPOT en el mercado eléctrico español con redes neuronales