Uso de inteligencia artificial en el pronóstico de la precipitación para el departamento de Puno

Descripción del Articulo

Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Meteorología Aplicada
Detalles Bibliográficos
Autor: Pesantes Rojas, Juan Manuel
Formato: tesis de maestría
Fecha de Publicación:2025
Institución:Universidad Nacional Agraria La Molina
Repositorio:UNALM-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.lamolina.edu.pe:20.500.12996/7328
Enlace del recurso:https://hdl.handle.net/20.500.12996/7328
Nivel de acceso:acceso abierto
Materia:Red neuronal
Pendiente
id UNAL_6c54eaa83306cf78ac606176f1429597
oai_identifier_str oai:repositorio.lamolina.edu.pe:20.500.12996/7328
network_acronym_str UNAL
network_name_str UNALM-Institucional
repository_id_str 3039
dc.title.none.fl_str_mv Uso de inteligencia artificial en el pronóstico de la precipitación para el departamento de Puno
title Uso de inteligencia artificial en el pronóstico de la precipitación para el departamento de Puno
spellingShingle Uso de inteligencia artificial en el pronóstico de la precipitación para el departamento de Puno
Pesantes Rojas, Juan Manuel
Red neuronal
Pendiente
title_short Uso de inteligencia artificial en el pronóstico de la precipitación para el departamento de Puno
title_full Uso de inteligencia artificial en el pronóstico de la precipitación para el departamento de Puno
title_fullStr Uso de inteligencia artificial en el pronóstico de la precipitación para el departamento de Puno
title_full_unstemmed Uso de inteligencia artificial en el pronóstico de la precipitación para el departamento de Puno
title_sort Uso de inteligencia artificial en el pronóstico de la precipitación para el departamento de Puno
author Pesantes Rojas, Juan Manuel
author_facet Pesantes Rojas, Juan Manuel
author_role author
dc.contributor.advisor.fl_str_mv Menacho Casimiro, Ernesto Ever
dc.contributor.author.fl_str_mv Pesantes Rojas, Juan Manuel
dc.subject.none.fl_str_mv Red neuronal
topic Red neuronal
Pendiente
dc.subject.ocde.none.fl_str_mv Pendiente
description Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Meteorología Aplicada
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-09-29T15:36:43Z
dc.date.available.none.fl_str_mv 2025-09-29T15:36:43Z
dc.date.issued.fl_str_mv 2025
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
format masterThesis
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12996/7328
url https://hdl.handle.net/20.500.12996/7328
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.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.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/df1cf7b6-a8d9-424b-9c60-620584a235fb/download
https://repositorio.lamolina.edu.pe/bitstreams/081d988b-e43f-4591-a909-c08a584f17f7/download
https://repositorio.lamolina.edu.pe/bitstreams/add703ef-4918-4d20-862e-f96e32d96433/download
https://repositorio.lamolina.edu.pe/bitstreams/814492ef-c173-41aa-b38d-02d8580fc5a0/download
https://repositorio.lamolina.edu.pe/bitstreams/69f4de5f-e8c8-4029-835c-a98a899b0a5b/download
https://repositorio.lamolina.edu.pe/bitstreams/4331a502-aba9-4c47-9c30-931bfc1f902f/download
https://repositorio.lamolina.edu.pe/bitstreams/d1f9cfa4-1104-4c39-b8bb-4fc9edd1f6ee/download
https://repositorio.lamolina.edu.pe/bitstreams/f6973f7b-ce18-4ba2-9d22-5f0ae33e5a2a/download
https://repositorio.lamolina.edu.pe/bitstreams/26c163e2-51bb-4311-a12c-34e3f2267a11/download
https://repositorio.lamolina.edu.pe/bitstreams/5fb2dc8e-3704-4ea3-a000-709bd55fe705/download
bitstream.checksum.fl_str_mv bd56f11d357351b784c9887a430935e4
566c8abfe445e8f95c17a820d5b42285
e0d6af2cc67c5289fd0895369d69a06b
97c5bee00fbb4c4f8867bd742b579336
2861354605abefca17e7fe33ee8274b9
553e4c6133308fac4a699e44549fb405
e1c06d85ae7b8b032bef47e42e4c08f9
62390871d82f983bd005c1dc948626c3
7e39972262ef2dcdb1113e3bd6a4bc09
d10d3808eb5ed92ad0f557ede286b862
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_ 1846341057886814208
spelling Menacho Casimiro, Ernesto Ever3429ba4c-8e06-40da-97a6-b856ce7f54c9-1Pesantes Rojas, Juan Manuel2025-09-29T15:36:43Z2025-09-29T15:36:43Z2025https://hdl.handle.net/20.500.12996/7328Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Meteorología AplicadaLa presente investigación tuvo como objetivo aplicar inteligencia artificial (IA) para el pronóstico meteorológico de la precipitación diaria en el departamento de Puno, utilizando como variables explicativas la temperatura máxima y la temperatura mínima del aire, con datos registrados en ocho estaciones meteorológicas durante el periodo 2016-2022. El primer paso consistió en realizar un análisis estadístico exhaustivo de las tres variables, permitiendo caracterizar su comportamiento temporal y detectar anomalías o tendencias. Luego, se evaluaron y seleccionaron modelos de redes neuronales recurrentes (RNNs), específicamente LSTM (Long Short-Term Memory) y ConvLSTM (Convolutional LSTM), debido a su capacidad para modelar secuencias de datos temporales con dependencias no lineales. Se desarrollaron diferentes esquemas de entrenamiento y validación para los modelos seleccionados, utilizando técnicas de normalización de datos, división en conjuntos de entrenamiento y prueba, y evaluación mediante métricas como: el error absoluto medio MAE, el error cuadrático medio MSE y la raíz cuadrada del error cuadrático medio (RMSE). Los resultados muestran que las redes LSTM y ConvLSTM son capaces de capturar con eficacia los patrones de variabilidad de la precipitación a partir de las temperaturas, con un desempeño más robusto en estaciones de altitud intermedia. El modelo ConvLSTM, en particular, mostró ventajas en la captura de estructuras espaciales y temporales, mejorando la precisión del pronóstico en estaciones ubicadas en zonas sensibles a las variaciones climáticas. Se concluye que la inteligencia artificial, a través de redes neuronales profundas (DL), constituye una herramienta potente para el pronóstico meteorológico en regiones andinas como Puno, donde la complejidad climática representa un desafío para los modelos tradicionales. Además, se destaca la importancia de contar con datos de calidad y series temporales bien estructuradas para el éxito de estos enfoques. Esta investigación abre posibilidades para la aplicación de IA en la gestión del riesgo climático y la planificación agrícola en el altiplano peruano.The objective of this research was to apply artificial intelligence (AI) for the daily precipitation forecast in the department of Puno, using maximum and minimum air temperature as explanatory variables, based on data recorded at eight meteorological stations during the period 2016–2022. The first step consisted of conducting a thorough statistical analysis of the three variables, allowing for the characterization of their temporal behavior and the detection of anomalies or trends. Subsequently, recurrent neural network (RNN) models were evaluated and selected, specifically LSTM (Long Short-Term Memory) and ConvLSTM (Convolutional LSTM), due to their ability to model temporal data sequences with nonlinear dependencies. Different training and validation schemes were developed for the selected models, using data normalization techniques, division into training and testing sets, and evaluation through metrics such as: Mean Absolute Error (MAE), Mean Squared Error (MSE), and Root Mean Squared Error (RMSE). The results show that both LSTM and ConvLSTM networks are capable of effectively capturing precipitation variability patterns based on temperature inputs, with more robust performance in mid-altitude stations. The ConvLSTM model, in particular, demonstrated advantages in capturing spatial and temporal structures, improving forecast accuracy in stations located in areas sensitive to climatic variations. It is concluded that artificial intelligence, through deep learning (DL) neural networks, represents a powerful tool for weather forecasting in Andean regions such as Puno, where climatic complexity poses challenges for traditional models. Furthermore, the importance of having high-quality data and well-structured time series is highlighted as a key factor for the success of these approaches. This research opens new possibilities for the application of AI in climate risk management and agricultural planning in the Peruvian highlands.application/pdfspaUniversidad Nacional Agraria La MolinaPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/Red neuronalPendienteUso de inteligencia artificial en el pronóstico de la precipitación para el departamento de Punoinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionreponame:UNALM-Institucionalinstname:Universidad Nacional Agraria La Molinainstacron:UNALMSUNEDUMeteorología AplicadaUniversidad Nacional Agraria La Molina. Escuela de PosgradoMagister Scientiae - Meteorología Aplicada17903472https://orcid.org/0000-0001-9866-977006585254https://purl.org/pe-repo/renati/type#tesishttps://purl.org/pe-repo/renati/level#maestro532287García Villanueva, JerónimoFlores Villanueva, WeidiIbáñez Blancas, Alexis NicolásORIGINALpesantes-rojas-juan-manuel.pdfpesantes-rojas-juan-manuel.pdfTexto completoapplication/pdf7148535https://repositorio.lamolina.edu.pe/bitstreams/df1cf7b6-a8d9-424b-9c60-620584a235fb/downloadbd56f11d357351b784c9887a430935e4MD51TURNITIN.pdfTURNITIN.pdfInforme originalidadapplication/pdf6603819https://repositorio.lamolina.edu.pe/bitstreams/081d988b-e43f-4591-a909-c08a584f17f7/download566c8abfe445e8f95c17a820d5b42285MD52Formato de REPOSITORIO.pdfFormato de REPOSITORIO.pdfAutorizaciónapplication/pdf248431https://repositorio.lamolina.edu.pe/bitstreams/add703ef-4918-4d20-862e-f96e32d96433/downloade0d6af2cc67c5289fd0895369d69a06bMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81664https://repositorio.lamolina.edu.pe/bitstreams/814492ef-c173-41aa-b38d-02d8580fc5a0/download97c5bee00fbb4c4f8867bd742b579336MD54TEXTpesantes-rojas-juan-manuel.pdf.txtpesantes-rojas-juan-manuel.pdf.txtExtracted texttext/plain102151https://repositorio.lamolina.edu.pe/bitstreams/69f4de5f-e8c8-4029-835c-a98a899b0a5b/download2861354605abefca17e7fe33ee8274b9MD55TURNITIN.pdf.txtTURNITIN.pdf.txtExtracted texttext/plain101795https://repositorio.lamolina.edu.pe/bitstreams/4331a502-aba9-4c47-9c30-931bfc1f902f/download553e4c6133308fac4a699e44549fb405MD57Formato de REPOSITORIO.pdf.txtFormato de REPOSITORIO.pdf.txtExtracted texttext/plain2https://repositorio.lamolina.edu.pe/bitstreams/d1f9cfa4-1104-4c39-b8bb-4fc9edd1f6ee/downloade1c06d85ae7b8b032bef47e42e4c08f9MD59THUMBNAILpesantes-rojas-juan-manuel.pdf.jpgpesantes-rojas-juan-manuel.pdf.jpgGenerated Thumbnailimage/jpeg4083https://repositorio.lamolina.edu.pe/bitstreams/f6973f7b-ce18-4ba2-9d22-5f0ae33e5a2a/download62390871d82f983bd005c1dc948626c3MD56TURNITIN.pdf.jpgTURNITIN.pdf.jpgGenerated Thumbnailimage/jpeg3153https://repositorio.lamolina.edu.pe/bitstreams/26c163e2-51bb-4311-a12c-34e3f2267a11/download7e39972262ef2dcdb1113e3bd6a4bc09MD58Formato de REPOSITORIO.pdf.jpgFormato de REPOSITORIO.pdf.jpgGenerated Thumbnailimage/jpeg5330https://repositorio.lamolina.edu.pe/bitstreams/5fb2dc8e-3704-4ea3-a000-709bd55fe705/downloadd10d3808eb5ed92ad0f557ede286b862MD51020.500.12996/7328oai:repositorio.lamolina.edu.pe:20.500.12996/73282025-09-29 22:03:55.834https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.lamolina.edu.peRepositorio Universidad Nacional Agraria La Molinadspace@lamolina.edu.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
score 13.394457
Uso de inteligencia artificial en el pronóstico de la precipitación para el departamento de Puno
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