Please use this identifier to cite or link to this item:
https://ri-ng.uaq.mx/handle/123456789/1762
Title: | Severidad por intensidad de tormenta asociada a su evolución geométrica utilizando redes neuronales artificiales |
metadata.dc.creator: | Juan Pablo Molina Aguilar |
Keywords: | INGENIERÍA Y TECNOLOGÍA;CIENCIAS DE LA TIERRA Y DEL ESPACIO;CLIMATOLOGÍA |
metadata.dc.date: | 6-Nov-2019 |
Description: | 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 |
Other Identifiers: | intensidad de lluvia análisis multivariado estación meteorológica automática satélite ambiental operacional geoestacionario red neuronal artificial |
Appears in Collections: | Tesis |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
IGDCC-266691-1019-1119-Juan Pablo Molina Aguilar -A.pdf | 177.31 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.