Ciencia de datos para el desarrollo de un modelo predictivo de heladas

Autores
Masanet, María Isabel; Klenzi, Raúl Oscar
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En este trabajo se aplica Ciencia de Datos para el desarrollo de un modelo que predice el fenómeno meteorológico de la helada en la Provincia de San Juan, Argentina. A través del proceso sistemático que propone la Ciencia de Datos se ha logrado un modelo basado en una red neuronal recurrente de memoria de corto-largo plazo que, a partir de los valores de la temperatura y la humedad relativa censados cada diez minutos durante tres horas predice la temperatura hacia un horizonte de tres horas. La red fue entrenada, validada y testeada a partir de datos climáticos registrados por dos estaciones meteorológicas instaladas en la provincia de San Juan. Estos datos fueron preprocesados con un enfoque orientado hacia el análisis del fenómeno de la helada; además se aplicó la técnica de remuestreo SMOTEEN. Los resultados del modelo se analizaron con métricas de regresión y de clasificación.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Ciencia de datos
Machine Learning
Red LSTM
Heladas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/164843
Acceder
id SEDICI_fd5f961a4bba6855c19f905966c687eb
oai_identifier_str oai:sedici.unlp.edu.ar:10915/164843
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Ciencia de datos para el desarrollo de un modelo predictivo de heladasMasanet, María IsabelKlenzi, Raúl OscarCiencias InformáticasCiencia de datosMachine LearningRed LSTMHeladasEn este trabajo se aplica Ciencia de Datos para el desarrollo de un modelo que predice el fenómeno meteorológico de la helada en la Provincia de San Juan, Argentina. A través del proceso sistemático que propone la Ciencia de Datos se ha logrado un modelo basado en una red neuronal recurrente de memoria de corto-largo plazo que, a partir de los valores de la temperatura y la humedad relativa censados cada diez minutos durante tres horas predice la temperatura hacia un horizonte de tres horas. La red fue entrenada, validada y testeada a partir de datos climáticos registrados por dos estaciones meteorológicas instaladas en la provincia de San Juan. Estos datos fueron preprocesados con un enfoque orientado hacia el análisis del fenómeno de la helada; además se aplicó la técnica de remuestreo SMOTEEN. Los resultados del modelo se analizaron con métricas de regresión y de clasificación.Red de Universidades con Carreras en Informática2023-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf38-47http://sedici.unlp.edu.ar/handle/10915/164843spainfo:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/163107info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:43:41Zoai:sedici.unlp.edu.ar:10915/164843Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:43:41.996SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Ciencia de datos para el desarrollo de un modelo predictivo de heladas
title Ciencia de datos para el desarrollo de un modelo predictivo de heladas
spellingShingle Ciencia de datos para el desarrollo de un modelo predictivo de heladas
Masanet, María Isabel
Ciencias Informáticas
Ciencia de datos
Machine Learning
Red LSTM
Heladas
title_short Ciencia de datos para el desarrollo de un modelo predictivo de heladas
title_full Ciencia de datos para el desarrollo de un modelo predictivo de heladas
title_fullStr Ciencia de datos para el desarrollo de un modelo predictivo de heladas
title_full_unstemmed Ciencia de datos para el desarrollo de un modelo predictivo de heladas
title_sort Ciencia de datos para el desarrollo de un modelo predictivo de heladas
dc.creator.none.fl_str_mv Masanet, María Isabel
Klenzi, Raúl Oscar
author Masanet, María Isabel
author_facet Masanet, María Isabel
Klenzi, Raúl Oscar
author_role author
author2 Klenzi, Raúl Oscar
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Ciencia de datos
Machine Learning
Red LSTM
Heladas
topic Ciencias Informáticas
Ciencia de datos
Machine Learning
Red LSTM
Heladas
dc.description.none.fl_txt_mv En este trabajo se aplica Ciencia de Datos para el desarrollo de un modelo que predice el fenómeno meteorológico de la helada en la Provincia de San Juan, Argentina. A través del proceso sistemático que propone la Ciencia de Datos se ha logrado un modelo basado en una red neuronal recurrente de memoria de corto-largo plazo que, a partir de los valores de la temperatura y la humedad relativa censados cada diez minutos durante tres horas predice la temperatura hacia un horizonte de tres horas. La red fue entrenada, validada y testeada a partir de datos climáticos registrados por dos estaciones meteorológicas instaladas en la provincia de San Juan. Estos datos fueron preprocesados con un enfoque orientado hacia el análisis del fenómeno de la helada; además se aplicó la técnica de remuestreo SMOTEEN. Los resultados del modelo se analizaron con métricas de regresión y de clasificación.
Red de Universidades con Carreras en Informática
description En este trabajo se aplica Ciencia de Datos para el desarrollo de un modelo que predice el fenómeno meteorológico de la helada en la Provincia de San Juan, Argentina. A través del proceso sistemático que propone la Ciencia de Datos se ha logrado un modelo basado en una red neuronal recurrente de memoria de corto-largo plazo que, a partir de los valores de la temperatura y la humedad relativa censados cada diez minutos durante tres horas predice la temperatura hacia un horizonte de tres horas. La red fue entrenada, validada y testeada a partir de datos climáticos registrados por dos estaciones meteorológicas instaladas en la provincia de San Juan. Estos datos fueron preprocesados con un enfoque orientado hacia el análisis del fenómeno de la helada; además se aplicó la técnica de remuestreo SMOTEEN. Los resultados del modelo se analizaron con métricas de regresión y de clasificación.
publishDate 2023
dc.date.none.fl_str_mv 2023-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/164843
url http://sedici.unlp.edu.ar/handle/10915/164843
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/163107
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
38-47
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616305071620096
score 13.070432

Publicaciones similares