Universidad de Costa Rica
  • Sobre Kérwá
  • Acceso Abierto
  • Cómo Depositar
  • Políticas
  • Contacto
    • español
    • English
  • English 
    • español
    • English
  • Login
View Item 
  •   Kérwá Home
  • Investigación
  • Ciencias sociales
  • Estadística
  • View Item
  •   Kérwá Home
  • Investigación
  • Ciencias sociales
  • Estadística
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Predicción del caudal promedio horario de la estación hidrológica Palmar, utilizando modelos de Machine Learning basados en Árboles de decisión

tesis de maestría
Thumbnail
View/Open
Documento completo (2.014Mb)
Date
2020
Author
Brenes Jiménez, Aníbal
Metadata
Show full item record
Abstract
Se realizó una comparación de la capacidad predictiva de los modelos de Árboles de decisión, Bosques aleatorios y XGBoosting al modelar el caudal promedio horario en la estación hidrológica Palmar, ubicada sobre el río Grande de Térraba en la región Pacífico-Sur de Costa Rica. Para el ajuste del modelo, se trabajó con datos a nivel horario de cuatro estaciones hidrológicas y treinta y seis estaciones meteorológicas, todas propiedad del Instituto Costarricense de Electricidad. Se comparó la capacidad predictiva de los modelos en dos escenarios: en el primero, se imputaron los datos faltantes de precipitación mediante la ponderación por el cuadrado del inverso de la distancia y los de caudal por el método de área-lluvia. En el segundo, se utilizaron los datos sin ningún tipo de imputación. Como medidas para evaluar el desempeño de los modelos en ambos escenarios, se utilizaron el Coeficiente de Eficiencia de Nash-Sutcliffe, la raíz cuadrada de error cuadrático medio, el error medio absoluto, el error cuadrático medio y el porcentaje de error absoluto medio. El resultado de la investigación es que para este caso particular, el modelo de Bosques aleatorios es el que tiene un mejor desempeño en ambos escenarios. Además, la imputación de datos faltantes en las variables predictoras generó mejoras en el desempeño de todos los modelos.
URI
https://hdl.handle.net/10669/81896
Collections
  • Estadística [110]



  • Repositorios universitarios

  • Repositorio del SIBDI-UCR
  • Biblioteca Digital del CIICLA
  • Repositorio Documental Rafael Obregón Loría (CIHAC)
  • Biblioteca Digital Carlos Melendez (CIHAC)
  • Repositorio de Fotografías
  • Colección de videos de UPA-VAS
  • Sitios recomendados

  • Buscador regional de LA Referencia
  • Buscador del Open ROAR
  • Scientific Electronic Library Online (SciELO)
  • Directory of Open Access Journals (DOAJ)
  • Redalyc
  • Redes sociales

  • facebook.com/repositoriokerwa
  • @Ciencia_UCR
  • Sobre Kérwá
  • Acceso Abierto
  • Cómo depositar
  • Políticas
Contact Us | Send Feedback
Repositorio Institucional de la Universidad de Costa Rica. Algunos derechos reservados. Este repositorio funciona con DSpace.
 

 

Browse

All of KérwáCommunities & CollectionsTitlesAuthorsSubjectsProcedenceTypeThis CollectionTitlesAuthorsSubjectsProcedenceType

My Account

LoginRegister

Statistics

View Usage Statistics

  • Repositorios universitarios

  • Repositorio del SIBDI-UCR
  • Biblioteca Digital del CIICLA
  • Repositorio Documental Rafael Obregón Loría (CIHAC)
  • Biblioteca Digital Carlos Melendez (CIHAC)
  • Repositorio de Fotografías
  • Colección de videos de UPA-VAS
  • Sitios recomendados

  • Buscador regional de LA Referencia
  • Buscador del Open ROAR
  • Scientific Electronic Library Online (SciELO)
  • Directory of Open Access Journals (DOAJ)
  • Redalyc
  • Redes sociales

  • facebook.com/repositoriokerwa
  • @Ciencia_UCR
  • Sobre Kérwá
  • Acceso Abierto
  • Cómo depositar
  • Políticas
Contact Us | Send Feedback
Repositorio Institucional de la Universidad de Costa Rica. Algunos derechos reservados. Este repositorio funciona con DSpace.