dc.contributor.advisor | González Díaz, Rocío | es |
dc.creator | Vázquez Fernández, David | es |
dc.date.accessioned | 2023-02-09T12:21:04Z | |
dc.date.available | 2023-02-09T12:21:04Z | |
dc.date.issued | 2022-06-19 | |
dc.identifier.citation | Vázquez Fernández, D. (2022). Análisis Topológico de Datos y Aprendizaje Automático en la Detección De Ríos Atmosféricos. (Trabajo Fin de Máster Inédito). Universidad de Sevilla, Sevilla. | |
dc.identifier.uri | https://hdl.handle.net/11441/142582 | |
dc.description.abstract | Un río atmosférico (RA) es una banda alargada y estrecha de humedad muy
concentrada en la parte inferior de la troposfera que va desde los trópicos hasta
un continente. La selección de umbrales para definir cuantitativamente un RA
continúa siendo un problema abierto. Es por ello que se han hecho esfuerzos en
desarrollar métodos de detección automática de RA en datos climáticos que no
dependan de umbrales prefijados. En este trabajo, primero, estudiamos un método propuesto que extrae información topológica sobre componentes conexas en
imágenes climáticas y luego, emplea una Máquina Vector Soporte para clasificar
esa información según se corresponda o no con que haya un RA en la imagen
de la que proviene. Después, proponemos una mejora del método anterior, extrayendo información topológica, no solo sobre componentes conexas, sino sobre
huecos, y utilizando el método de los K Vecinos más Cercanos para clasificar
esa información. Ambos métodos no fijan previamente umbrales. Posteriormente,
demostramos que el método propuesto en este trabajo es estable considerando
un paso suficientemente pequeño y que el método ya existente no lo es. Finalmente, al comparar los resultados numéricos de los dos métodos, se concluye que
nuestro método es el mejor en la mayoría de medidas de bondad de clasificación
calculadas.
El código de implementación del método desarrollado en esta memoria está disponible en: https://github.com/davafe/Metodo-deteccion-rios-atmosfericos | es |
dc.description.abstract | An atmospheric river (AR) is a long, narrow band of highly concentrated
moisture in the lower troposphere that runs from the tropics to a continent. The
selection of thresholds to quantitatively define an AR remains an open problem.
Thus, efforts have been made to develop automatic AR detection methods in climatic data that do not depend on predetermined thresholds. In this work, first, we
study a proposed method that extracts topological information about connected
components in climatic images and, after that, uses a Support Vector Machine to
classify that information according to whether or not there is an AR in the image
from which it comes. Then, we propose an improvement of the previous method,
extracting topological information, not only about connected components, but
also about holes, and using the K Nearest Neighbors method to classify that information. Both methods do not set thresholds in advance. Subsequently, we show
that the method proposed in this work is stable considering a sufficiently small
step and that the existing method is not. Finally, when comparing the numerical
results of the two methods, we conclude that our method is the best in most of
the calculated classification evaluation metrics.
The implementation code of the method developed in this report is available
at: https://github.com/davafe/Metodo-deteccion-rios-atmosfericos | es |
dc.format | application/pdf | es |
dc.format.extent | 114 p. | es |
dc.language.iso | spa | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Análisis Topológico de Datos y Aprendizaje Automático en la Detección De Ríos Atmosféricos | es |
dc.type | info:eu-repo/semantics/masterThesis | es |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Matemática Aplicada I (ETSII) | es |
dc.description.degree | Universidad de Sevilla. Máster Universitario en Matemáticas | es |
dc.publication.endPage | 106 | es |