Modelo de predicción de series de precipitación empleando redes neuronales artificiales/
por Jorge Armando Mata Orozco y Mónica Yoselín Núñez Pérez; director de tesis Ramón Arteaga Ramírez; secretario Rocío Cervantes Osornio; vocal Mario Alberto Vázquez Peña; suplente Laura Alicia Ibáñez Castillo; suplente Francisco García Herrera.
- 1 recurso en línea (76 páginas): cuadros, figuras.
En el presente trabajo de investigación se muestra un modelo de predicción de series de precipitación empleando redes neuronales artificiales (RNA). Los datos analizados de precipitación diaria pertenecen a la estación 11033, La Begoña, en el periodo 2005 – 2020. El modelo de predicción implementa una RNA de tipo Long-Short Term Memory (LSTM), con una arquitectura de 6 capas. La arquitectura del modelo seleccionado consiste en una capa LSTM con 100 unidades ocultas, se complementa con 3 bloques CC + FA + D con funciones de activación Relu, Tanh, Relu y valores de 100, 500 y 100 neuronas, respectivamente. Siendo los factores dropout 0.01 para la capa LSTM y 0.2 para los bloques. El parámetro de entrenamiento de mayor influencia es el máximo de épocas y aquellos que modifican el comportamiento de pronóstico en comparación con los datos originales son las unidades ocultas de la capa LSTM, la cantidad de neuronas y los valores dropout.