Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.usfq.edu.ec/handle/23000/14590Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.advisor | Williams, Scott, dir. | - |
| dc.contributor.author | Marcial Sánchez, Luis Paolo | - |
| dc.date.accessioned | 2025-09-30T18:48:48Z | - |
| dc.date.available | 2025-09-30T18:48:48Z | - |
| dc.date.issued | 2024-12-01 | - |
| dc.identifier.citation | Tesis (Magíster en Ciencia de Datos), Universidad San Francisco de Quito, Colegio de Posgrados; Quito, Ecuador, 2024 | es_ES |
| dc.identifier.uri | http://repositorio.usfq.edu.ec/handle/23000/14590 | - |
| dc.description | This paper presents a study focused on evapotranspiration (ETo) ‘climate’ clustering in a subset of the Ecuadorian Andes and Amazon regions, using data from 2017 to 2022 obtained through the Weather Research and Forecasting Model (WRF). The ETo ‘climate’ model is based on histograms for each geographic pixel, derived from an initial clustering of ETo ‘weather’. Both techniques are implemented using an artificial neural network (ANN) unsupervised model called Self-Organizing Maps (SOM)... | es_ES |
| dc.description.abstract | Este artículo presenta un estudio centrado en la clusterazión de ‘climas’ de evapotranspiración (ETo) en un subconjunto de las regiones de los Andes y Amazonía Ecuatorianos, utilizando datos climáticos desde el año 2017 al 2022. Los datos se obtuvieron a través del modelo Weather Research and Forecasting (WRF). El modelo de clusterizacion para el ETo ‘clima’ se basa en histogramas para cada píxel geográfico derivados de clusterizaciones iniciales de ETo ‘tiempo’. Ambas técnicas de clusterización implementadas utilizando un modelo de red neuronal artificial (ANN) denominado Mapas auto organizados (SOM por sus siglas en inglés)... | es_ES |
| dc.format.extent | 22 h. | es_ES |
| dc.language.iso | en | es_ES |
| dc.publisher | Quito | es_ES |
| dc.rights | openAccess | es_ES |
| dc.rights | Atribución-NoComercial-SinDerivadas 3.0 Ecuador | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/ec/ | * |
| dc.subject | Redes neuronales (Computadores) - Aplicaciones - Climatología - Tesis y disertaciones académicas | es_ES |
| dc.subject.other | Computación | es_ES |
| dc.subject.other | Ciencias | es_ES |
| dc.title | WRF Modeling and Analysis Using Self-Organizing Maps | es_ES |
| dc.type | masterThesis | es_ES |
| Aparece en las colecciones: | Tesis - Maestría en Ciencia de Datos | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 338701.pdf | Texto completo | 3 MB | Adobe PDF |  Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
