Mata Orozco, Jorge Armando creator Núñez Pérez, Mónica Yoselín Arteaga Ramírez, Ramón director de tesis. Cervantes Osornio, Rocio secretario. Vázquez Peña, Mario Alberto vocal. Ibáñez Castillo, Laura Alicia suplente. García Herrera, Francisco suplente. text theses mx 2025 monographic spa access 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. specialized 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. II Irrigación 2024. LIC Incluye referencias bibliográficas: páginas 52-56. Lluvia Modelos matemáticos Precipitación (meteorología) Modelos matemáticos http://10.13.5.2/tesis/tl/1711653-4_Y_1711874-6_MATA_OROZCO_JORGEARMANDO_Y_NUNEZ_PEREZ_MONICAYOSELIN.pdf http://10.13.5.2/tesis/tl/1711653-4_Y_1711874-6_MATA_OROZCO_JORGEARMANDO_Y_NUNEZ_PEREZ_MONICAYOSELIN.pdf 250624 20250708105457.0