Pronóstico de la precipitación mensual en la cuenca del río Piura utilizando redes neuronales artificiales

Descripción del Articulo

Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Meteorología Aplicada
Detalles Bibliográficos
Autor: Obregón Yataco, José Esteban
Fecha de Publicación:2026
Institución:Universidad Nacional Agraria La Molina
Repositorio:UNALM-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.lamolina.edu.pe:20.500.12996/7526
Enlace del recurso:https://hdl.handle.net/20.500.12996/7526
Materia:Cuenca del Río Piura
Cuencas hidrográficas
Estaciones meteorológicas
Evaluación
Precipitación atmosférica
Pronóstico del tiempo
https://purl.org/pe-repo/ocde/ford#1.05.09
id UNAL_2c1693cb95601b7c57ae6c8d8dacb931
oai_identifier_str oai:repositorio.lamolina.edu.pe:20.500.12996/7526
network_acronym_str UNAL
network_name_str UNALM-Institucional
repository_id_str 3039
dc.title.none.fl_str_mv Pronóstico de la precipitación mensual en la cuenca del río Piura utilizando redes neuronales artificiales
title Pronóstico de la precipitación mensual en la cuenca del río Piura utilizando redes neuronales artificiales
spellingShingle Pronóstico de la precipitación mensual en la cuenca del río Piura utilizando redes neuronales artificiales
Obregón Yataco, José Esteban
Cuenca del Río Piura
Cuencas hidrográficas
Estaciones meteorológicas
Evaluación
Precipitación atmosférica
Pronóstico del tiempo
https://purl.org/pe-repo/ocde/ford#1.05.09
title_short Pronóstico de la precipitación mensual en la cuenca del río Piura utilizando redes neuronales artificiales
title_full Pronóstico de la precipitación mensual en la cuenca del río Piura utilizando redes neuronales artificiales
title_fullStr Pronóstico de la precipitación mensual en la cuenca del río Piura utilizando redes neuronales artificiales
title_full_unstemmed Pronóstico de la precipitación mensual en la cuenca del río Piura utilizando redes neuronales artificiales
title_sort Pronóstico de la precipitación mensual en la cuenca del río Piura utilizando redes neuronales artificiales
author Obregón Yataco, José Esteban
author_facet Obregón Yataco, José Esteban
author_role author
dc.contributor.advisor.fl_str_mv Cisneros Tarmeño, Eusebio Idelmo
dc.contributor.author.fl_str_mv Obregón Yataco, José Esteban
dc.subject.none.fl_str_mv Cuenca del Río Piura
Cuencas hidrográficas
Estaciones meteorológicas
Evaluación
Precipitación atmosférica
Pronóstico del tiempo
topic Cuenca del Río Piura
Cuencas hidrográficas
Estaciones meteorológicas
Evaluación
Precipitación atmosférica
Pronóstico del tiempo
https://purl.org/pe-repo/ocde/ford#1.05.09
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.05.09
description Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Meteorología Aplicada
publishDate 2026
dc.date.accessioned.none.fl_str_mv 2026-01-27T17:05:54Z
dc.date.available.none.fl_str_mv 2026-01-27T17:05:54Z
dc.date.issued.fl_str_mv 2026
dc.type.none.fl_str_mv http://purl.org/coar/resource_type/c_bdcc
dc.type.version.none.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12996/7526
url https://hdl.handle.net/20.500.12996/7526
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
rights_invalid_str_mv http://purl.org/coar/access_right/c_abf2
https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional Agraria La Molina
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad Nacional Agraria La Molina
dc.source.none.fl_str_mv reponame:UNALM-Institucional
instname:Universidad Nacional Agraria La Molina
instacron:UNALM
instname_str Universidad Nacional Agraria La Molina
instacron_str UNALM
institution UNALM
reponame_str UNALM-Institucional
collection UNALM-Institucional
bitstream.url.fl_str_mv https://repositorio.lamolina.edu.pe/bitstreams/3a3d2b0d-9a3b-4202-8a6d-eb5959137b15/download
https://repositorio.lamolina.edu.pe/bitstreams/421e5f03-957c-4880-8d41-a32146e2a40b/download
https://repositorio.lamolina.edu.pe/bitstreams/9195ada8-4c0b-413c-a03c-4379b1452a01/download
https://repositorio.lamolina.edu.pe/bitstreams/40fc7065-0391-4ac5-b603-bf74430e78ba/download
https://repositorio.lamolina.edu.pe/bitstreams/60e351c7-4dac-4c9e-83ad-9782b683777b/download
https://repositorio.lamolina.edu.pe/bitstreams/9413dbab-1128-417b-aa22-c2d597aefb1b/download
https://repositorio.lamolina.edu.pe/bitstreams/b91512f3-55f8-4b86-82c5-a7f29fc6ef75/download
https://repositorio.lamolina.edu.pe/bitstreams/9e06ca86-b8a2-4fc5-aa96-b75247711a69/download
https://repositorio.lamolina.edu.pe/bitstreams/55aff722-38c2-4847-8137-60b8281f357a/download
https://repositorio.lamolina.edu.pe/bitstreams/556f68df-c462-48c3-a272-7950243a9243/download
bitstream.checksum.fl_str_mv 97c5bee00fbb4c4f8867bd742b579336
457c9052be0aaa26032ae0f271490b38
70f27b3f86a5c35be57d86fd1180f097
eee74cd5bdf153f792eca7b1cf9eb0a1
4105f078529b8bf40831d46b24d2afdd
46e142793f06037378d7f60c4fa9e738
58d5959249a45aca55842a475594f80f
1a07b30794a62f788b367f60a8295565
6b84fb4cb81a1231277135079c2a70ee
19fc1d6483bd5ef01b806d96f84882c7
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Nacional Agraria La Molina
repository.mail.fl_str_mv dspace@lamolina.edu.pe
_version_ 1870368812619005952
spelling Cisneros Tarmeño, Eusebio Idelmo8a68ed4b-3008-4d21-8903-e4f6df3e13d5-1Obregón Yataco, José Esteban2026-01-27T17:05:54Z2026-01-27T17:05:54Z2026https://hdl.handle.net/20.500.12996/7526Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Meteorología AplicadaEl objetivo de esta tesis fue pronosticar la precipitación mensual del mes de marzo sobre la cuenca del río Piura utilizando predictores del mes de enero. Anticipar el acumulado mensual de marzo permitiría a los tomadores de decisiones gestionar de manera más eficiente los recursos hídricos en las regiones dependientes de esta cuenca. Actualmente, existen modelos estadísticos utilizando regresión logística (Rivas et al, 2024) y regresión multiple (Sulca & Takahashi, 2025) para pronosticar la precipitación en esta región de interés. Sin embargo es necesario también contar con modelos de inteligencia artificial (IA), como herramienta complementaria, tal como lo hacen, por ejemplo, el Centro Europeo de Previsiones Meteorológicas con su modelo AIFS. En este contexto, se desarrolló un modelo IA como herramienta complementaria a los modelos existentes. Este modelo fue entrenado utilizando predictores como temperatura superficial del mar, agua precipitable total, y viento zonal y meridional, para pronosticar la precipitación de marzo. Aunque todos estos predictores fueron inicialmente estadísticamente significativos, se aplicó un análisis de descubrimiento de causalidad que permitió descartar aquellos sin relación causal directa con la precipitación. Con los cuatro predictores restantes se construyó un modelo convolucional para pronosticar la precipitación espacial en marzo sobre la cuenca del río Piura. La validación del modelo se realizó para el período 1986-2017, no incluido en el entrenamiento, y mostró una buena correspondencia, especialmente en la zona costera. Finalmente se concluye que el modelo de IA que se alimento de dichos 4 predictores en enero para pronosticar la precipitación en la cuenca del río Piura en marzo tuvo un buen ajuste en su entrenamiento (periodo 1950 1985, 2018-2024) espacialmente hablando a lo largo de la cuenca. Mientras que su desempeño durante la evaluación (periodo 1986-2017) mostró buena correlación con respecto a lo observado principalmente en la zona occidental de la cuenca.The objective of this thesis was to forecast the monthly precipitation for March over the Piura River basin using predictors from January. Anticipating the accumulated monthly precipitation for March would allow decision-makers to manage water resources more efficiently in the regions dependent on this basin. Currently, statistical models using logistic regression (Rivas et al., 2024) and multiple regression (Sulca & Takahashi, 2025) exist to forecast precipitation in this region of interest. However, it is also necessary to have artificial intelligence (AI) models as a complementary tool, as is done, for example, by the European Centre for Medium-Range Weather Forecasts with its AIFS model. In this context, an AI model was developed as a complementary tool to existing models. This model was trained using predictors such as sea surface temperature, total precipitable water, and zonal and meridional winds to forecast March precipitation. Although all these predictors were initially statistically significant, a causality discovery analysis was applied, allowing those without a direct causal relationship to precipitation to be discarded. A convolutional model was then constructed using the remaining four predictors to forecast spatial precipitation in March over the Piura River basin. The model was validated for the period 1986–2017, which was not included in the training, and showed good agreement, especially in the coastal zone. Finally, it was concluded that the AI model, which was trained using these four predictors in January to forecast precipitation in the Piura River basin in March, showed a good fit during its training (periods 1950–1985 and 2018–2024) spatially across the basin. Its performance during the evaluation period (1986–2017) showed good correlation with observations, primarily in the western part of the basin.application/pdfspaUniversidad Nacional Agraria La MolinaPEhttp://purl.org/coar/access_right/c_abf2https://creativecommons.org/licenses/by-nc-nd/4.0/Cuenca del Río PiuraCuencas hidrográficasEstaciones meteorológicasEvaluaciónPrecipitación atmosféricaPronóstico del tiempohttps://purl.org/pe-repo/ocde/ford#1.05.09Pronóstico de la precipitación mensual en la cuenca del río Piura utilizando redes neuronales artificialeshttp://purl.org/coar/resource_type/c_bdcchttp://purl.org/coar/version/c_970fb48d4fbd8a85reponame:UNALM-Institucionalinstname:Universidad Nacional Agraria La Molinainstacron:UNALMMeteorología AplicadaUniversidad Nacional Agraria La Molina. Escuela de PosgradoMagister Scientiae - Meteorología Aplicada46833945https://orcid.org/0000-0002-3518-451106608697https://purl.org/pe-repo/renati/type#tesishttps://purl.org/pe-repo/renati/level#maestro532287García Villanueva, JerónimoCanchoa Quispe, AlessandriTang Cruz, Oscar EnriqueLICENSElicense.txtlicense.txttext/plain; charset=utf-81664https://repositorio.lamolina.edu.pe/bitstreams/3a3d2b0d-9a3b-4202-8a6d-eb5959137b15/download97c5bee00fbb4c4f8867bd742b579336MD51ORIGINALobregon-yataco-jose-esteban.pdfTexto completoapplication/pdf3505602https://repositorio.lamolina.edu.pe/bitstreams/421e5f03-957c-4880-8d41-a32146e2a40b/download457c9052be0aaa26032ae0f271490b38MD52Plagio de Turnitin.pdfInforme originalidadapplication/pdf5690543https://repositorio.lamolina.edu.pe/bitstreams/9195ada8-4c0b-413c-a03c-4379b1452a01/download70f27b3f86a5c35be57d86fd1180f097MD53Formato de REPOSITORIO.pdfAutorizaciónapplication/pdf161439https://repositorio.lamolina.edu.pe/bitstreams/40fc7065-0391-4ac5-b603-bf74430e78ba/downloadeee74cd5bdf153f792eca7b1cf9eb0a1MD54TEXTobregon-yataco-jose-esteban.pdf.txtobregon-yataco-jose-esteban.pdf.txtExtracted texttext/plain79460https://repositorio.lamolina.edu.pe/bitstreams/60e351c7-4dac-4c9e-83ad-9782b683777b/download4105f078529b8bf40831d46b24d2afddMD55Plagio de Turnitin.pdf.txtPlagio de Turnitin.pdf.txtExtracted texttext/plain97373https://repositorio.lamolina.edu.pe/bitstreams/9413dbab-1128-417b-aa22-c2d597aefb1b/download46e142793f06037378d7f60c4fa9e738MD57Formato de REPOSITORIO.pdf.txtFormato de REPOSITORIO.pdf.txtExtracted texttext/plain2634https://repositorio.lamolina.edu.pe/bitstreams/b91512f3-55f8-4b86-82c5-a7f29fc6ef75/download58d5959249a45aca55842a475594f80fMD59THUMBNAILobregon-yataco-jose-esteban.pdf.jpgobregon-yataco-jose-esteban.pdf.jpgGenerated Thumbnailimage/jpeg4310https://repositorio.lamolina.edu.pe/bitstreams/9e06ca86-b8a2-4fc5-aa96-b75247711a69/download1a07b30794a62f788b367f60a8295565MD56Plagio de Turnitin.pdf.jpgPlagio de Turnitin.pdf.jpgGenerated Thumbnailimage/jpeg3930https://repositorio.lamolina.edu.pe/bitstreams/55aff722-38c2-4847-8137-60b8281f357a/download6b84fb4cb81a1231277135079c2a70eeMD58Formato de REPOSITORIO.pdf.jpgFormato de REPOSITORIO.pdf.jpgGenerated Thumbnailimage/jpeg5677https://repositorio.lamolina.edu.pe/bitstreams/556f68df-c462-48c3-a272-7950243a9243/download19fc1d6483bd5ef01b806d96f84882c7MD51020.500.12996/7526oai:repositorio.lamolina.edu.pe:20.500.12996/75262026-02-04 10:48:13.406https://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2open.accesshttps://repositorio.lamolina.edu.peRepositorio Universidad Nacional Agraria La Molinadspace@lamolina.edu.peTGljZW5jaWEgZGUgVXNvCgpMYSBVbml2ZXJzaWRhZCBOYWNpb25hbCBBZ3JhcmlhIExhIE1vbGluYSAoVU5BTE0pLiBkaWZ1bmRlIG1lZGlhbnRlIHN1IHJlcG9zaXRvcmlvIGxvcyB0cmFiYWpvcyBkZSBpbnZlc3RpZ2FjacOzbiBwcm9kdWNpZG9zIHBvciBsb3MgbWllbWJyb3MgZGUgbGEgdW5pdmVyc2lkYWQuIEVsIGNvbnRlbmlkbyBkZSBsb3MgZG9jdW1lbnRvcyBkaWdpdGFsZXMgZXMgZGUgYWNjZXNvIGFiaWVydG8gcGFyYSB0b2RhIHBlcnNvbmEgaW50ZXJlc2FkYSAuCgpTZSBhY2VwdGEgbGEgZGlmdXNpw7NuIHDDumJpY2EgZGUgbGEgb2JyYSwgc3UgY29waWEgeSBkaXN0cmlidWNpw7NuLiBQYXJhIGVzdG8gZXMgbmVjZXNhcmlvIHF1ZSBzZSBjdW1wbGEgY29uIGxhcyBzaWd1aWVudGVzIGNvbmRpY2lvbmVzOgoKRWwgbmVjZXNhcmlvIHJlY29ub2NpbWllbnRvIGRlIGxhIGF1dG9yw61hIGRlIGxhIG9icmEsIGlkZW50aWZpY2FuZG8gb3BvcnR1bmEgeSBjb3JyZWN0YW1lbnRlIGEgbGEgcGVyc29uYSBxdWUgcG9zZWEgbG9zIGRlcmVjaG9zIGRlIGF1dG9yLgoKTm8gZXN0w6EgcGVybWl0aWRvIGVsIHVzbyBpbmRlYmlkbyBkZWwgdHJhYmFqbyBkZSBpbnZlc3RpZ2FjacOzbiBjb24gZmluZXMgZGUgbHVjcm8gbyBjdWFscXVpZXIgdGlwbyBkZSBhY3RpdmlkYWQgcXVlIHByb2R1emNhIGdhbmFuY2lhcyBhIGxhcyBwZXJzb25hcyBxdWUgbG8gZGlmdW5kZW4gc2luIGVsIGNvbnNlbnRpbWllbnRvIGRlbCBhdXRvciAoYXV0b3IgbGVnYWwpLgoKTG9zIHRyYWJham9zIHF1ZSBzZSBwcm9kdXpjYW4sIGEgcGFydGlyIGRlIGxhIG9icmEsIGRlYmVuIHBvc2VlciBsYSBjaXRhY2nDs24gcGVydGluZW50ZSB0YWwgY29tbyBsbyBpbmRpY2FuIGxhcyBOb3JtYXMgVMOpY25pY2FzIGRlbCBJSUNBIHkgQ0FUSUUgZGUgUmVkYWNjacOzbiBkZSBSZWZlcmVuY2lhcyBCaWJsaW9ncsOhZmljYXMuIENhc28gY29udHJhcmlvLCBzZSBpbmN1cnJpcsOhIGVuIGxhIGZpZ3VyYSBqdXLDrWRpY2EgZGVsIHBsYWdpby4KCkxvcyBkZXJlY2hvcyBtb3JhbGVzIGRlbCBhdXRvciBubyBzb24gYWZlY3RhZG9zIHBvciBsYSBwcmVzZW50ZSBsaWNlbmNpYSBkZSB1c28uCgpEZXJlY2hvcyBkZSBhdXRvcgoKTGEgVU5BTE0gbm8gcG9zZWUgbG9zIGRlcmVjaG9zIGRlIHByb3BpZWRhZCBpbnRlbGVjdHVhbC4gTG9zIGRlcmVjaG9zIGRlIGF1dG9yIHNlIGVuY3VlbnRyYW4gcHJvdGVnaWRvcyBwb3IgbGEgbGVnaXNsYWNpw7NuIHBlcnVhbmE6IExleSBzb2JyZSBlbCBEZXJlY2hvIGRlIEF1dG9yIHByb211bGdhZG8gZW4gMTk5NiAoRCBMLiBOwrA4MjIpLiBMZXkgcXVlIG1vZGlmaWNhIGxvcyBhcnTDrWN1bG9zIDE4OCogeSAxODkqIGRlbCBkZWNyZXRvIGxlZ2lzbGF0aXZvIE7CsDgyMiwgTGV5IHNvYnJlIGRlcmVjaG9zIGRlIGF1dG9yIHByb211bGdhZG8gZW4gMjAwNSAoTGV5IE7CsDI4NTE3KSwgRGVjcmV0byBMZWdpc2xhdGl2byBxdWUgYXBydWViYSBsYSBtb2RpZmljYWNpw7NuIGRlbCBEZWNyZXRvIExlZ2lzbGF0aXZvIE7CsDgyMiwgTGV5IHNvYnJlIGVsIERlcmVjaG8gZGUgQXV0b3IgcHJvbXVsZ2FkbyBlbiAyMDA4IChELiBMLiBOwrAxMDc2KS4KCk9ic2VydmFjaW9uZXM6CgpJbnNjcmliaXJzZSBlbiBDcmVhdGl2ZSBDb21tb25zIEJBTgo=
score 13.075366
Pronóstico de la precipitación mensual en la cuenca del río Piura utilizando redes neuronales artificiales
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