Gaona García , Paulo AlonsoCruz Ostos, Briyid Catalina2025-05-302025-05-302025-04-03http://hdl.handle.net/11349/95815Este 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.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.pdfspaPredicciónTormentas eléctricasMachine learningDatos metereológicosSistema de alerta tempranabachelorThesisIngeniería de Sistemas -- Tesis y disertaciones académicasAprendizaje automático (Inteligencia artificial)Meteorología -- PredicciónFenómenos transitorios (Electricidad)Prevención de riesgosOpenAccessPredictionThunderstormMachine learningMeteorological dataEarly warning systemAbierto (Texto Completo)