Desarrollo de modelos de inteligencia artificial para el pronóstico de heladas en la cuenca del río Mantaro, Chupaca, 2024

Descripción del Articulo

La presente investigación tiene el objetivo de mejorar la precisión de las predicciones y optimizar la gestión de riesgos en agricultura, ganadería y salud pública. Se empleará una metodología cuantitativa con enfoque aplicado y diseño experimental predictivo, utilizando modelos de IA como Random Fo...

Descripción completa

Detalles Bibliográficos
Autores: Santiago Blancas, Delbin Aldair, Rojas Huari, Trhiany Eloy
Formato: tesis de grado
Fecha de Publicación:2025
Institución:Servicio Nacional de Meteorología e Hidrología del Perú
Repositorio:SENAMHI-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.senamhi.gob.pe:20.500.12542/4429
Enlace del recurso:https://hdl.handle.net/20.500.12542/4429
Nivel de acceso:acceso abierto
Materia:Fenómenos Meteorológicos
Gestión de Riesgo
Pronóstico Meteorológico
Temperatura
Humedad
Radiación
Inteligencia Artificial
https://purl.org/pe-repo/ocde/ford#1.05.09
temperatura - Aire y Atmósfera
id SEAM_f380c7d0e35590f8826cfc492407fefc
oai_identifier_str oai:repositorio.senamhi.gob.pe:20.500.12542/4429
network_acronym_str SEAM
network_name_str SENAMHI-Institucional
repository_id_str 4818
dc.title.es_PE.fl_str_mv Desarrollo de modelos de inteligencia artificial para el pronóstico de heladas en la cuenca del río Mantaro, Chupaca, 2024
title Desarrollo de modelos de inteligencia artificial para el pronóstico de heladas en la cuenca del río Mantaro, Chupaca, 2024
spellingShingle Desarrollo de modelos de inteligencia artificial para el pronóstico de heladas en la cuenca del río Mantaro, Chupaca, 2024
Santiago Blancas, Delbin Aldair
Fenómenos Meteorológicos
Gestión de Riesgo
Pronóstico Meteorológico
Temperatura
Humedad
Radiación
Inteligencia Artificial
https://purl.org/pe-repo/ocde/ford#1.05.09
temperatura - Aire y Atmósfera
title_short Desarrollo de modelos de inteligencia artificial para el pronóstico de heladas en la cuenca del río Mantaro, Chupaca, 2024
title_full Desarrollo de modelos de inteligencia artificial para el pronóstico de heladas en la cuenca del río Mantaro, Chupaca, 2024
title_fullStr Desarrollo de modelos de inteligencia artificial para el pronóstico de heladas en la cuenca del río Mantaro, Chupaca, 2024
title_full_unstemmed Desarrollo de modelos de inteligencia artificial para el pronóstico de heladas en la cuenca del río Mantaro, Chupaca, 2024
title_sort Desarrollo de modelos de inteligencia artificial para el pronóstico de heladas en la cuenca del río Mantaro, Chupaca, 2024
author Santiago Blancas, Delbin Aldair
author_facet Santiago Blancas, Delbin Aldair
Rojas Huari, Trhiany Eloy
author_role author
author2 Rojas Huari, Trhiany Eloy
author2_role author
dc.contributor.advisor.fl_str_mv Alvarez Montalvan, Carlos Enrique
dc.contributor.author.fl_str_mv Santiago Blancas, Delbin Aldair
Rojas Huari, Trhiany Eloy
dc.subject.es_PE.fl_str_mv Fenómenos Meteorológicos
Gestión de Riesgo
Pronóstico Meteorológico
Temperatura
Humedad
Radiación
Inteligencia Artificial
topic Fenómenos Meteorológicos
Gestión de Riesgo
Pronóstico Meteorológico
Temperatura
Humedad
Radiación
Inteligencia Artificial
https://purl.org/pe-repo/ocde/ford#1.05.09
temperatura - Aire y Atmósfera
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.05.09
dc.subject.sinia.es_PE.fl_str_mv temperatura - Aire y Atmósfera
description La presente investigación tiene el objetivo de mejorar la precisión de las predicciones y optimizar la gestión de riesgos en agricultura, ganadería y salud pública. Se empleará una metodología cuantitativa con enfoque aplicado y diseño experimental predictivo, utilizando modelos de IA como Random Forest, Extra Trees y Gradient Boosting. Se analizaron cinco años de datos climáticos históricos del Instituto Geofísico del Perú (IGP) y SENAMHI, incluyendo temperatura, humedad y radiación. Los resultados mostraron que Random Forest y Extra Trees fueron los modelos más precisos para predecir heladas en un horizonte de 6 a 48 horas. Se realizaron pruebas experimentales bajo escenarios de variabilidad climática, como inversión térmica y el fenómeno del Niño, para evaluar su desempeño. Se concluyó que la integración de redes neuronales profundas y la actualización constante de datos podrían mejorar aún más la precisión de las predicciones a largo plazo.
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-09-12T17:10:28Z
dc.date.available.none.fl_str_mv 2025-09-12T17:10:28Z
dc.date.issued.fl_str_mv 2025
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.sinia.es_PE.fl_str_mv event/activacion
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12542/4429
dc.identifier.url.none.fl_str_mv https://hdl.handle.net/20.500.12542/4429
url https://hdl.handle.net/20.500.12542/4429
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.uri.es_PE.fl_str_mv https://repositorio.upla.edu.pe/handle/20.500.12848/10385
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Peruana Los Andes
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Repositorio Institucional - SENAMHI
Servicio Nacional de Meteorología e Hidrología del Perú
dc.source.none.fl_str_mv reponame:SENAMHI-Institucional
instname:Servicio Nacional de Meteorología e Hidrología del Perú
instacron:SENAMHI
instname_str Servicio Nacional de Meteorología e Hidrología del Perú
instacron_str SENAMHI
institution SENAMHI
reponame_str SENAMHI-Institucional
collection SENAMHI-Institucional
bitstream.url.fl_str_mv http://repositorio.senamhi.gob.pe/bitstream/20.500.12542/4429/1/Desarrollo-modelos-inteligencia-artificial-para-pron%c3%b3stico-heladas-cuenca-r%c3%ado-Mantaro-Chupaca_2024.pdf
http://repositorio.senamhi.gob.pe/bitstream/20.500.12542/4429/3/Desarrollo-modelos-inteligencia-artificial-para-pron%c3%b3stico-heladas-cuenca-r%c3%ado-Mantaro-Chupaca_2024.pdf.txt
http://repositorio.senamhi.gob.pe/bitstream/20.500.12542/4429/4/Desarrollo-modelos-inteligencia-artificial-para-pron%c3%b3stico-heladas-cuenca-r%c3%ado-Mantaro-Chupaca_2024.pdf.jpg
http://repositorio.senamhi.gob.pe/bitstream/20.500.12542/4429/2/license.txt
bitstream.checksum.fl_str_mv 16da5ad5d20c5b10fe2451207d4f01e0
8eb11b1db5ae9059a4c280201c26ef19
bbca29e164df17b911254784e94fee57
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional SENAMHI
repository.mail.fl_str_mv repositorio@senamhi.gob.pe
_version_ 1844431378801754112
spelling Alvarez Montalvan, Carlos EnriqueSantiago Blancas, Delbin AldairRojas Huari, Trhiany Eloy2025-09-12T17:10:28Z2025-09-12T17:10:28Z2025https://hdl.handle.net/20.500.12542/4429https://hdl.handle.net/20.500.12542/4429La presente investigación tiene el objetivo de mejorar la precisión de las predicciones y optimizar la gestión de riesgos en agricultura, ganadería y salud pública. Se empleará una metodología cuantitativa con enfoque aplicado y diseño experimental predictivo, utilizando modelos de IA como Random Forest, Extra Trees y Gradient Boosting. Se analizaron cinco años de datos climáticos históricos del Instituto Geofísico del Perú (IGP) y SENAMHI, incluyendo temperatura, humedad y radiación. Los resultados mostraron que Random Forest y Extra Trees fueron los modelos más precisos para predecir heladas en un horizonte de 6 a 48 horas. Se realizaron pruebas experimentales bajo escenarios de variabilidad climática, como inversión térmica y el fenómeno del Niño, para evaluar su desempeño. Se concluyó que la integración de redes neuronales profundas y la actualización constante de datos podrían mejorar aún más la precisión de las predicciones a largo plazo.application/pdfspaUniversidad Peruana Los AndesPEhttps://repositorio.upla.edu.pe/handle/20.500.12848/10385info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/Repositorio Institucional - SENAMHIServicio Nacional de Meteorología e Hidrología del Perúreponame:SENAMHI-Institucionalinstname:Servicio Nacional de Meteorología e Hidrología del Perúinstacron:SENAMHIFenómenos MeteorológicosGestión de RiesgoPronóstico MeteorológicoTemperaturaHumedadRadiaciónInteligencia Artificialhttps://purl.org/pe-repo/ocde/ford#1.05.09temperatura - Aire y AtmósferaDesarrollo de modelos de inteligencia artificial para el pronóstico de heladas en la cuenca del río Mantaro, Chupaca, 2024info:eu-repo/semantics/bachelorThesisevent/activacion47525048https://orcid.org/0000-0001-9110-80067672248076644631521206Cabrera Montalvo, Abrahams MoisesPlatero Morejon, Iralmy YipsyDavila Honorio, Duanyhttp://purl.org/pe-repo/renati/level#tituloProfesionalhttp://purl.org/pe-repo/renati/type#tesisIngeniería del Medio Ambiente y DesarrolloUniversidad Peruana Los Andes - Facultad de IngenieríaIngeniero del Medio Ambiente y DesarrolloORIGINALDesarrollo-modelos-inteligencia-artificial-para-pronóstico-heladas-cuenca-río-Mantaro-Chupaca_2024.pdfDesarrollo-modelos-inteligencia-artificial-para-pronóstico-heladas-cuenca-río-Mantaro-Chupaca_2024.pdfTexto Completoapplication/pdf8391440http://repositorio.senamhi.gob.pe/bitstream/20.500.12542/4429/1/Desarrollo-modelos-inteligencia-artificial-para-pron%c3%b3stico-heladas-cuenca-r%c3%ado-Mantaro-Chupaca_2024.pdf16da5ad5d20c5b10fe2451207d4f01e0MD51TEXTDesarrollo-modelos-inteligencia-artificial-para-pronóstico-heladas-cuenca-río-Mantaro-Chupaca_2024.pdf.txtDesarrollo-modelos-inteligencia-artificial-para-pronóstico-heladas-cuenca-río-Mantaro-Chupaca_2024.pdf.txtExtracted texttext/plain163342http://repositorio.senamhi.gob.pe/bitstream/20.500.12542/4429/3/Desarrollo-modelos-inteligencia-artificial-para-pron%c3%b3stico-heladas-cuenca-r%c3%ado-Mantaro-Chupaca_2024.pdf.txt8eb11b1db5ae9059a4c280201c26ef19MD53THUMBNAILDesarrollo-modelos-inteligencia-artificial-para-pronóstico-heladas-cuenca-río-Mantaro-Chupaca_2024.pdf.jpgDesarrollo-modelos-inteligencia-artificial-para-pronóstico-heladas-cuenca-río-Mantaro-Chupaca_2024.pdf.jpgGenerated Thumbnailimage/jpeg5638http://repositorio.senamhi.gob.pe/bitstream/20.500.12542/4429/4/Desarrollo-modelos-inteligencia-artificial-para-pron%c3%b3stico-heladas-cuenca-r%c3%ado-Mantaro-Chupaca_2024.pdf.jpgbbca29e164df17b911254784e94fee57MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.senamhi.gob.pe/bitstream/20.500.12542/4429/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5220.500.12542/4429oai:repositorio.senamhi.gob.pe:20.500.12542/44292025-09-12 14:06:58.119Repositorio Institucional SENAMHIrepositorio@senamhi.gob.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
score 13.806414
Desarrollo de modelos de inteligencia artificial para el pronóstico de heladas en la cuenca del río Mantaro, Chupaca, 2024
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares