Desarrollo de un modelo de Machine Learning para la predicción de tormentas eléctricas
| dc.contributor.advisor | Gaona García , Paulo Alonso | |
| dc.contributor.author | Cruz Ostos, Briyid Catalina | |
| dc.contributor.orcid | Gaona García, Paulo Alonso [0000-0002-8758-1412] | |
| dc.date.accessioned | 2025-05-30T17:33:09Z | |
| dc.date.available | 2025-05-30T17:33:09Z | |
| dc.date.created | 2025-04-03 | |
| dc.description | Este trabajo aborda el desarrollo de un modelo de Machine Learning para predecir la ocurrencia de tormentas eléctricas en Colombia, integrando datos meteorológicos de un servicio externo y registros de descargas procedentes de sensores especializados. Tras la recolección y balanceo de datos, se evaluaron algoritmos supervisados y redes neuronales, destacando XGBoost con un accuracy de 0.65 y un AUC-ROC de 0.7019. Su equilibrio entre precisión y recall permitió un F1-score de 0.6632, mejorando la identificación de descargas en entornos de alta variabilidad atmosférica. La propuesta fortalece el sistema de alerta temprana Telethor y avanza en la gestión de riesgos meteorológicos con aprendizaje automático. | |
| dc.description.abstract | This work addresses the development of a Machine Learning model to predict the occurrence of thunderstorms in Colombia, integrating meteorological data from an external service and lightning strike records from specialized sensors. After data collection and balancing, both supervised algorithms and neural networks were evaluated, with XGBoost standing out by achieving an accuracy of 0.65 and an AUC-ROC of 0.7019. Its balance between precision and recall resulted in an F1-score of 0.6632, enhancing the detection of lightning strikes in environments with high atmospheric variability. The proposed model strengthens the Telethor early warning system and advances meteorological risk management through machine learning. | |
| dc.description.sponsorship | Telemática S.A.S | |
| dc.format.mimetype | ||
| dc.identifier.uri | http://hdl.handle.net/11349/95815 | |
| dc.language.iso | spa | |
| dc.publisher | Universidad Distrital Francisco José de Caldas | |
| dc.relation.references | D. Aranguren, E. Olarte, I. Santoyo, E. P. F. Amortegui, & H. Torres, “Sistema de Monitoreo de Tormentas Eléctricas”, 2007. [En línea]. Disponible en: https://www.researchgate.net/profile/Ernesto-Perez-11/publication/269402110_Sistema_de_Monitoreo_de_Tormentas_Electricas/links/5489e4dc0cf225bf669c7654/Sistema-de-Monitoreo-de-Tormentas-Electricas .pdf: SICEL, 2007 | |
| dc.relation.references | T. Pérez Gosteva, C. Hernández Ramírez, N. Sandoval González, y M. C. Grajales Londoño, “Efectos meteorológicos generados por ondas tropicales en Colombia”. [En línea]. Disponible en: https://doi.org/10.18634/ugcj.28v.1i.1282 : UGCiencia, vol. 28, N°1, 2023. | |
| dc.relation.references | J. Ayala-García y K. Ospino-Ramos, “Desastres naturales en Colombia: Un Análisis Regional”, Banco de la República, 2023.DOI: https://doi.org/10.32468/dtseru.317 | |
| dc.relation.references | G. Jayendra, R. Lucas, S. Kumarawadu, L. Neelawala, C. Jeevantha, P. Dharmapriya, “Intelligent lightning warning system,” in Third International Conference on Information and Automation for Sustainability, Melbourne, 2007, pp. 19-24. [En línea]. Disponible en: https://www.mdpi.com/1996-1073/12/7/1275 | |
| dc.relation.references | J. H. Montaña Chaparro, S. Rosales, C. Valle, y S. Zumarán, “Prediction of thunderstorm days in Chilean territory using machine learning techniques”, SICEL, vol. 11, enero. 2024. [En línea]. Disponible en: https://revistas.unal.edu.co/index.php/SICEL/article/view/109897/90195 | |
| dc.relation.references | Wendler L. N. Matos, A. F. R. Leal, and G. A. V. S. Ferreira, "A multiclass short-term lightning predictor for the Amazon region using ground-based meteorological data and artificial neural network," Electric Power Systems Research, vol. 235, p. 110609, 2024. [En línea]. Disponible en: https://www.sciencedirect.com/science/article/pii/S0378779624004954 | |
| dc.relation.references | M. L. S. Araujo, "Short range lightning forecast based on deep learning models using globally available gridded meteorological data," M.S. thesis, Modelagem Computacional e Tecnologia Industrial, Centro Universitário SENAI CIMATEC, Salvador, Brazil, 2023. [En línea] Disponible en: http://repositoriosenaiba.fieb.org.br/handle/fieb/1840 | |
| dc.relation.references | Y. Essa, H. G. P. Hunt, M. Gijben, and R. Ajoodha, "Predicción de la severidad de tormentas eléctricas mediante aprendizaje profundo utilizando datos meteorológicos de teledetección," IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 15, pp. 4004-4013, 2022. [En línea]. Disponible en: https://ieeexplore.ieee.org/abstract/document/9769919 | |
| dc.relation.references | K. Bala, S. Paul, S. N. Mohanty, et al., "Improved Prediction Analysis with Hybrid Models for Thunderstorm Classification over the Ranchi Region," New Generation Computing, vol. 42, pp. 7-31, 2024. DOI: https://doi.org/10.1007/s00354-022-00174-2 | |
| dc.relation.references | A. Mostajabi, D. L. Finney, M. Rubinstein, et al., "Nowcasting lightning occurrence from commonly available meteorological parameters using machine learning techniques," npj Clim Atmos Sci, vol. 2, p. 41, 2019. DOI: https://doi.org/10.1038/s41612-019-0098-0 | |
| dc.relation.references | F. Díaz, D. Ortiz, y F. Román, "Climatología de rayos en Colombia," Theoretical and Applied Climatology, vol. 149, pp. 69-82, 2022.DOI: https://doi.org/10.1007/s00704-022-04012-9 | |
| dc.relation.references | D. Guzmán, J. Ruiz, y M. Cadena, "Regionalización de Colombia según la estacionalidad de la precipitación media mensual, a través de análisis de componentes principales," informe técnico, Instituto de Hidrología, Meteorología y Asuntos Ambientales (IDEAM), Bogotá, 2014. [En línea]. Disponible en: http://www.ideam.gov.co/documents/21021/21141/Regionalizacion+de+la+Precipitacion+Media+Mensual/1239c8b3-299d-4099-bf52-55a414557119 | |
| dc.relation.references | A. S. Cruz-Bernal, H. Torres-Sánchez, H. Aranguren-Fino, y J. C. Inampues-Borda, "Tasa de mortalidad por rayos en Colombia para el período 1997-2014," Revista UIS Ingenierías, vol. 17, no. 2, pp. 65-74, 2018. DOI: https://doi.org/10.18273/revuin.v17n2-2018006 | |
| dc.relation.references | I. Hoyos, F. Domínguez, J. Cañón-Barriga, J. A. Martínez, R. Nieto, L. Gimeno, y P. A. Dirmeyer, "Moisture origin and transport processes in Colombia, northern South America," Climate Dynamics, vol. 50, no. 3–4, pp. 971-990, 2018. DOI: https://doi.org/10.1007/s00382-017-3653-6 | |
| dc.relation.references | M. S. Sakamoto, T. Ambrizzi, y G. Poveda, "Moisture sources and life cycle of convective systems over western Colombia," Advances in Meteorology, vol. 2011, pp. 1-11, 2012. DOI: https://doi.org/10.1155/2011/890759 | |
| dc.relation.references | W. A. Lozano-Rivas, “Clima, Hidrología y Meteorología para Ciencias Ambientales e Ingeniería”. Bogotá, Colombia: Universidad Piloto de Colombia, 2018. [En línea]. Disponible en: https://www.researchgate.net/publication/328710413_Clima_hidrologia_y_meteorologia_Para_ciencias_ambientales_e_ingenieria | |
| dc.relation.references | G. T. Golup, “Tormentas Eléctricas, Rayos y Pararrayos”. Rosario, Argentina: Facultad de Ciencias Exactas, Ingeniería y Agrimensura, Universidad Nacional de Rosario, Departamento de Física, 2002. [En línea]. Disponible en: https://www.fceia.unr.edu.ar/~fisica3/Tormentas.pdf | |
| dc.relation.references | R. P. Feynman, R. B. Leighton, y M. Sands, Física, vol. II, 1st ed. México: Alhambra Mexicana, 1998. | |
| dc.relation.references | H. Torres-Sánchez, “El rayo en el trópico - Certezas temporales de investigación sobre el fenómeno del rayo”, Universida. Bogotá D.C., 2015. | |
| dc.relation.references | H. Torres Sánchez, “El Rayo: Mitos, Leyendas, Ciencia y Tecnología”. 2002. [En línea]. Disponible en: https://repositorio.unal.edu.co/handle/unal/58977 | |
| dc.relation.references | A. S. Cruz Bernal, "Evaluación del riesgo por rayos para Colombia," M.S. thesis, Facultad de Ingeniería, Departamento de Ingeniería Eléctrica y Electrónica, Universidad Nacional de Colombia, Bogotá, Colombia, 2019. [En línea]. Disponible en: https://repositorio.unal.edu.co/handle/unal/75636 | |
| dc.relation.references | I. El Naqa y M. J. Murphy, "What are machine and deep learning?" en Machine and Deep Learning in Oncology, Medical Physics and Radiology, I. El Naqa y M. J. Murphy, Eds. Cham, Switzerland: Springer, 2022. DOI: https://doi.org/10.1007/978-3-030-83047-2_1 | |
| dc.relation.references | Samuel AL. “Some studies in machine learning using the game of checkers”. IBM: J Res Dev. 1959; 3:210–29. | |
| dc.relation.references | Mitchell TM. “Machine learning”. New York: McGraw-Hill; 1997. | |
| dc.relation.references | Alpaydin E. “Introduction to machine learning”. 3rd ed. Cambridge, MA: The MIT Press; 2014. | |
| dc.relation.references | A. Géron, “Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow”, 3rd ed. Sebastopol, CA, USA: O’Reilly Media, Inc., 2023. | |
| dc.relation.references | C. Albon, Machine Learning with Python Cookbook: Practical Solutions from Preprocessing to Deep Learning, O’Reilly, 2018. | |
| dc.relation.references | Sktime, “TimeSeriesForestClassifier,” Disponible en: https://www.sktime.net/en/stable/api_reference/auto_generated/sktime.classification.interval_based.TimeSeriesForestClassifier.html | |
| dc.relation.references | A. Géron, “Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow”, 3rd ed. Sebastopol, CA, USA: O’Reilly Media, Inc., 2023. | |
| dc.relation.references | C. Janiesch, P. Zschech, y K. Heinrich, "Machine learning and deep learning," Electronic Markets, vol. 31, no. 3, pp. 685-695, Sep. 2021. DOI: https://doi.org/10.1007/s12525-021-00475-2 | |
| dc.relation.references | C. M. Bishop, “Pattern Recognition and Machine Learning”. New York, NY, USA: Springer-Verlag, 2006. | |
| dc.rights.acceso | Abierto (Texto Completo) | |
| dc.rights.accessrights | OpenAccess | |
| dc.subject | Predicción | |
| dc.subject | Tormentas eléctricas | |
| dc.subject | Machine learning | |
| dc.subject | Datos metereológicos | |
| dc.subject | Sistema de alerta temprana | |
| dc.subject.keyword | Prediction | |
| dc.subject.keyword | Thunderstorm | |
| dc.subject.keyword | Machine learning | |
| dc.subject.keyword | Meteorological data | |
| dc.subject.keyword | Early warning system | |
| dc.subject.lemb | Ingeniería de Sistemas -- Tesis y disertaciones académicas | |
| dc.subject.lemb | Aprendizaje automático (Inteligencia artificial) | |
| dc.subject.lemb | Meteorología -- Predicción | |
| dc.subject.lemb | Fenómenos transitorios (Electricidad) | |
| dc.subject.lemb | Prevención de riesgos | |
| dc.title | Desarrollo de un modelo de Machine Learning para la predicción de tormentas eléctricas | |
| dc.title.titleenglish | Development of a Machine Learning Model for Thunderstorm Prediction | |
| dc.type | bachelorThesis | |
| dc.type.degree | Pasantía | |
| dc.type.driver | info:eu-repo/semantics/bachelorThesis |
Archivos
Bloque de licencias
1 - 1 de 1
No hay miniatura disponible
- Nombre:
- license.txt
- Tamaño:
- 7 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción: