Mostrar o rexistro simple do ítem
Predicción de caudales de entrada y salida en presas hidroeléctricas usando diferentes algoritmos de inteligencia artificial
dc.contributor.advisor | Rabuñal, Juan R. | |
dc.contributor.author | Fernández Sánchez, Alberto | |
dc.contributor.other | Universidade da Coruña. Facultade de Informática | es_ES |
dc.date.accessioned | 2024-07-24T09:18:29Z | |
dc.date.available | 2024-07-24T09:18:29Z | |
dc.date.issued | 2024-06 | |
dc.identifier.uri | http://hdl.handle.net/2183/38231 | |
dc.description.abstract | [Resumen]: La predicción ajustada del caudal de entrada en presas desempeña un papel crucial en la gestión de recursos hídricos y la mitigación de riesgos. Este estudio se centra en la presa de Portodemouros (ubicada entre las provincias de A Coruña y Pontevedra), donde se han probado una serie de algoritmos de aprendizaje automático como redes neuronales artificial de Memoria a Corto y Largo Plazo (LSTM), modelos de bagging y boosting (Random Forest y XGBoost) o máquinas de soporte vectorial para predecir el caudal de entrada y salida a la presa. Los resultados demuestran la efectividad bien establecida de estos modelos en la predicción del flujo aplicada a la presa de Portodemouros. Esta comparación ya se ha realizado en otros estudios con modelos matemáticos, programación genética y otros algoritmos de aprendizaje automático. La combinación de datos de precipitación de varias regiones y pronósticos meteorológicos mejora ligeramente la capacidad del modelo para anticipar las variaciones en el caudal de entrada y de salida a la presa. Esta mayor precisión, por pequeña que sea, es esencial para la detección temprana de inundaciones y la toma de decisiones informada en la operación de la presa. En el estudio se concluye que las redes LSTM predicen con un nivel alto de precisión tanto el caudal de entrada como el de salida. | es_ES |
dc.language.iso | spa | es_ES |
dc.rights | Atribución-NoComercial 3.0 España | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc/3.0/es/ | * |
dc.subject | Caudal de agua | es_ES |
dc.subject | Modelos de predicción | es_ES |
dc.subject | Lluvia-escorrentía | es_ES |
dc.subject | LSTM | es_ES |
dc.subject | Análisis de datasets | es_ES |
dc.subject | Series temporales | es_ES |
dc.subject | Dam Flow | es_ES |
dc.subject | Prediction models | es_ES |
dc.subject | Rainfall-Runoff | es_ES |
dc.subject | LSTM | es_ES |
dc.subject | Dataset analysis | es_ES |
dc.subject | Time series | es_ES |
dc.title | Predicción de caudales de entrada y salida en presas hidroeléctricas usando diferentes algoritmos de inteligencia artificial | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
dc.rights.access | info:eu-repo/semantics/openAccess | es_ES |
dc.description.traballos | Traballo fin de grao (UDC.FIC). Ciencia e enxeñaría de datos. Curso 2023/2024 | es_ES |