1. Repositorio Institucional
2. TESIUAQ
3. Facultad de Ingeniería
4. Doctorado
5. Doctorado en Ingeniería

Título :	Severidad por intensidad de tormenta asociada a su evolución geométrica utilizando redes neuronales artificiales
Autor(es):	Juan Pablo Molina Aguilar
Palabras clave:	intensidad de lluvia análisis multivariado estación meteorológica automática satélite ambiental operacional geoestacionario red neuronal artificial
Área:	INGENIERÍA Y TECNOLOGÍA
Fecha de publicación :	6-nov-2019
Páginas:	1 recurso en línea (309 páginas)
Folio RI:	IGDCC-266691
Facultad:	Facultad de Ingeniería
Programa académico:	Doctorado en Ingeniería
Resumen:	México, sufre anualmente durante la temporada de ciclones tropicales afectaciones importantes producto de su ubicación geográfica. De manera concreta las inundaciones asociadas son una amenaza para múltiples grupos sociales y su entorno físico, son causantes de decesos, lesiones, pérdidas y daños económicos además de la suspensión de los servicios básicos, de salud y auxilio. En la actualidad los avances tecnológicos tanto en instrumentos como en equipos de medición, almacenamiento y comunicación permiten la obtención de datos en formato digital. La información es registrada mediante imágenes y bases de datos, realizándose la observación y el registro continuo de los fenómenos meteorológicos. De acuerdo con lo anterior, se estableció una metodología para calcular la severidad producto de la intensidad de lluvia asociada a la evolución temporal y espacial de las tormentas. Fueron incorporadas características de la cobertura nubosa obtenidas mediante teledetección por el satélite ambiental operacional geoestacionario este (GOES13) de la Administración Nacional Oceánica y Atmosférica y mediciones de las variables meteorológicas realizadas por las estaciones meteorológicas automáticas operadas por el Servicio Meteorológico Nacional. Fue desarrollada la herramienta Fast Infrared Satellite Image Reader GOES13 [FISIR-G13] en leguaje R, para caracterizar temporal y espacialmente los eventos de estudio. Obteniéndose los parámetros estadísticos asociados con la evolución geométrica, las series temporales en los pixeles de la imagen satelital asociados con la posición geográfica de las estaciones meteorológicas automáticas, se determinó la intensidad de la lluvia pronosticada empleando la técnica Hidroestimador. Se estableció la región hidrológica 10 como zona de estudio para implementar y validar estadísticamente la metodología fundamentada en una red neuronal artificial perceptrón multicapa, que considera el acoplamiento espacial y temporal de las tormentas. Las variables de entradas de la red se definieron empleando técnicas de análisis multivariado en las series temporales de información. Los resultados del análisis multivariado permitieron la reducción dimensional del problema, estableciéndose la arquitectura de la red neuronal artificial que incrementó la certidumbre de la estimación de la precipitación con respecto de la técnica Hidroestimador, lo que estableció el Pronóstico Temporal y Espacial por Evolución Geométrica [PROTEEGE] para la zona de estudio.
URI:	http://ri-ng.uaq.mx/handle/123456789/1762
Aparece en:	Doctorado en Ingeniería

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.