Redes neuronales para el posprocesamiento de pronósticos cuantitativos de precipitación a corto plazo

Autores
Huaranca, Fernando Matías
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión publicada
Colaborador/a o director/a de tesis
Ruiz, Juan José
Descripción
El objetivo principal de esta tesis es evaluar el potencial de métodos de posprocesamiento, basados en redes neuronales profundas para pronósticos cuantitativos de precipitación diaria, en la región de Sudamérica con particular énfasis en aquellos eventos de precipitación más extremos. Se realizó una evaluación de arquitecturas basadas en redes encoder-decoder con y sin skip connections entre el encoder y el decoder. Dichos modelos fueron evaluados en base a su capacidad para mejorar la performance del pronóstico de precipitación, con particular énfasis en la representación de los eventos extremos. En base a estos experimentos, se seleccionó una arquitectura encoder-decoder sin skip connections y se determinaron los hiperparámetros óptimos para su entrenamiento. El desempeño de los diferentes esquemas de posprocesamiento propuestos fue diferente según la región analizada, siendo mayor en la porción sur de Sudamérica que se ubica en latitudes medias. La corrección de errores sistemáticos fue parcial, dependiendo de la intensidad y ubicación del evento. Además, las redes neuronales tendieron a producir campos de precipitación espacialmente suaves (con mayor suavidad espacial que los pronósticos numéricos), lo cual resulta en una limitación a la hora de capturar aspectos de escala pequeña. Esto último afecta la detección de eventos extremos de precipitación que típicamente están asociados a procesos de mesoescala que tienen un mayor grado de incertidumbre con respecto a su ubicación espacial y temporal.
Fil: Huaranca, Fernando Matías. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
Repositorio
Biblioteca Digital (UBA-FCEN)
Institución
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
OAI Identificador
seminario:seminario_nATM000027_Huaranca
Acceder
id BDUBAFCEN_c7ec9953c74e963cf56543cdcb2645ae
oai_identifier_str seminario:seminario_nATM000027_Huaranca
network_acronym_str BDUBAFCEN
repository_id_str 1896
network_name_str Biblioteca Digital (UBA-FCEN)
spelling Redes neuronales para el posprocesamiento de pronósticos cuantitativos de precipitación a corto plazoHuaranca, Fernando MatíasEl objetivo principal de esta tesis es evaluar el potencial de métodos de posprocesamiento, basados en redes neuronales profundas para pronósticos cuantitativos de precipitación diaria, en la región de Sudamérica con particular énfasis en aquellos eventos de precipitación más extremos. Se realizó una evaluación de arquitecturas basadas en redes encoder-decoder con y sin skip connections entre el encoder y el decoder. Dichos modelos fueron evaluados en base a su capacidad para mejorar la performance del pronóstico de precipitación, con particular énfasis en la representación de los eventos extremos. En base a estos experimentos, se seleccionó una arquitectura encoder-decoder sin skip connections y se determinaron los hiperparámetros óptimos para su entrenamiento. El desempeño de los diferentes esquemas de posprocesamiento propuestos fue diferente según la región analizada, siendo mayor en la porción sur de Sudamérica que se ubica en latitudes medias. La corrección de errores sistemáticos fue parcial, dependiendo de la intensidad y ubicación del evento. Además, las redes neuronales tendieron a producir campos de precipitación espacialmente suaves (con mayor suavidad espacial que los pronósticos numéricos), lo cual resulta en una limitación a la hora de capturar aspectos de escala pequeña. Esto último afecta la detección de eventos extremos de precipitación que típicamente están asociados a procesos de mesoescala que tienen un mayor grado de incertidumbre con respecto a su ubicación espacial y temporal.Fil: Huaranca, Fernando Matías. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.Universidad de Buenos Aires. Facultad de Ciencias Exactas y NaturalesRuiz, Juan José2025-11-05info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttps://hdl.handle.net/20.500.12110/seminario_nATM000027_Huarancaspainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/arreponame:Biblioteca Digital (UBA-FCEN)instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesinstacron:UBA-FCEN2026-09-24T11:39:59Zseminario:seminario_nATM000027_HuarancaInstitucionalhttps://digital.bl.fcen.uba.ar/Universidad públicaNo correspondehttps://digital.bl.fcen.uba.ar/cgi-bin/oaiserver.cgiana@bl.fcen.uba.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18962026-09-24 11:40:01.211Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesfalse
dc.title.none.fl_str_mv Redes neuronales para el posprocesamiento de pronósticos cuantitativos de precipitación a corto plazo
title Redes neuronales para el posprocesamiento de pronósticos cuantitativos de precipitación a corto plazo
spellingShingle Redes neuronales para el posprocesamiento de pronósticos cuantitativos de precipitación a corto plazo
Huaranca, Fernando Matías
title_short Redes neuronales para el posprocesamiento de pronósticos cuantitativos de precipitación a corto plazo
title_full Redes neuronales para el posprocesamiento de pronósticos cuantitativos de precipitación a corto plazo
title_fullStr Redes neuronales para el posprocesamiento de pronósticos cuantitativos de precipitación a corto plazo
title_full_unstemmed Redes neuronales para el posprocesamiento de pronósticos cuantitativos de precipitación a corto plazo
title_sort Redes neuronales para el posprocesamiento de pronósticos cuantitativos de precipitación a corto plazo
dc.creator.none.fl_str_mv Huaranca, Fernando Matías
author Huaranca, Fernando Matías
author_facet Huaranca, Fernando Matías
author_role author
dc.contributor.none.fl_str_mv Ruiz, Juan José
dc.description.none.fl_txt_mv El objetivo principal de esta tesis es evaluar el potencial de métodos de posprocesamiento, basados en redes neuronales profundas para pronósticos cuantitativos de precipitación diaria, en la región de Sudamérica con particular énfasis en aquellos eventos de precipitación más extremos. Se realizó una evaluación de arquitecturas basadas en redes encoder-decoder con y sin skip connections entre el encoder y el decoder. Dichos modelos fueron evaluados en base a su capacidad para mejorar la performance del pronóstico de precipitación, con particular énfasis en la representación de los eventos extremos. En base a estos experimentos, se seleccionó una arquitectura encoder-decoder sin skip connections y se determinaron los hiperparámetros óptimos para su entrenamiento. El desempeño de los diferentes esquemas de posprocesamiento propuestos fue diferente según la región analizada, siendo mayor en la porción sur de Sudamérica que se ubica en latitudes medias. La corrección de errores sistemáticos fue parcial, dependiendo de la intensidad y ubicación del evento. Además, las redes neuronales tendieron a producir campos de precipitación espacialmente suaves (con mayor suavidad espacial que los pronósticos numéricos), lo cual resulta en una limitación a la hora de capturar aspectos de escala pequeña. Esto último afecta la detección de eventos extremos de precipitación que típicamente están asociados a procesos de mesoescala que tienen un mayor grado de incertidumbre con respecto a su ubicación espacial y temporal.
Fil: Huaranca, Fernando Matías. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.
description El objetivo principal de esta tesis es evaluar el potencial de métodos de posprocesamiento, basados en redes neuronales profundas para pronósticos cuantitativos de precipitación diaria, en la región de Sudamérica con particular énfasis en aquellos eventos de precipitación más extremos. Se realizó una evaluación de arquitecturas basadas en redes encoder-decoder con y sin skip connections entre el encoder y el decoder. Dichos modelos fueron evaluados en base a su capacidad para mejorar la performance del pronóstico de precipitación, con particular énfasis en la representación de los eventos extremos. En base a estos experimentos, se seleccionó una arquitectura encoder-decoder sin skip connections y se determinaron los hiperparámetros óptimos para su entrenamiento. El desempeño de los diferentes esquemas de posprocesamiento propuestos fue diferente según la región analizada, siendo mayor en la porción sur de Sudamérica que se ubica en latitudes medias. La corrección de errores sistemáticos fue parcial, dependiendo de la intensidad y ubicación del evento. Además, las redes neuronales tendieron a producir campos de precipitación espacialmente suaves (con mayor suavidad espacial que los pronósticos numéricos), lo cual resulta en una limitación a la hora de capturar aspectos de escala pequeña. Esto último afecta la detección de eventos extremos de precipitación que típicamente están asociados a procesos de mesoescala que tienen un mayor grado de incertidumbre con respecto a su ubicación espacial y temporal.
publishDate 2025
dc.date.none.fl_str_mv 2025-11-05
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12110/seminario_nATM000027_Huaranca
url https://hdl.handle.net/20.500.12110/seminario_nATM000027_Huaranca
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
dc.source.none.fl_str_mv reponame:Biblioteca Digital (UBA-FCEN)
instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron:UBA-FCEN
reponame_str Biblioteca Digital (UBA-FCEN)
collection Biblioteca Digital (UBA-FCEN)
instname_str Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron_str UBA-FCEN
institution UBA-FCEN
repository.name.fl_str_mv Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
repository.mail.fl_str_mv ana@bl.fcen.uba.ar
_version_ 1877226446995324928
score 12.754232

Publicaciones similares