Por favor, use este identificador para citar o enlazar este ítem: http://dspace.unach.edu.ec/handle/51000/15620
Título : Implementación de un repositorio y geovisor de datos meteorológicos e hidrológicos con predicción en la sierra centro.
Autor : Uvidia Fassler, María Isabel
Malan Obando, Edison Adrián
Palabras clave : Geovisor
Predicción climática
Repositorio de datos
Sistemas de información geográfica
Fecha de publicación : 14-jul-2025
Editorial : Riobamba
Citación : Malan O., Edison A (2025) Implementación de un repositorio y geovisor de datos meteorológicos e hidrológicos con predicción en la sierra centro. (Tesis de grado). Universidad Nacional de Chimborazo. Riobamba, Ecuador.
Resumen : Este trabajo de investigación desarrolló un repositorio y geovisor con predicción para datos meteorológicos e hidrológicos en la región de la Sierra Centro del Ecuador, mediante una plataforma web integrada con bases de datos espaciales y modelos climáticos, centrada en las provincias de Tungurahua, Bolívar y Chimborazo. La metodología combinó el análisis de herramientas de los sistemas de información geográfica (SIG) con el entrenamiento de los modelos de predicción climático Regresión Lineal, Random Forest, LSTM y CNN, integrando el uso de PostgreSQL y GeoServer En la evaluación de la funcionalidad del geovisor, basada en la norma ISO/IEC 25010, evidencio que la completitud y corrección funcional sitúan el 58% de las respuestas en la categoría totalmente satisfecho y el 42% en muy satisfecho, en cambio la pertinencia funcional muestra que el 83% se sitúa en la categoría totalmente satisfecho y el 17% en muy satisfecho. Por otro lado, la CNN superó a los demás modelos de predicción en todas las métricas de desempeño, registrando un R² de 0.89, MAE de 0.82, MSE de 1.17, RMSE de 1.08 y un EVS de 0.89, consolidándose como el modelo más preciso y con menos tasa de error para la estimación de la temperatura máxima.
Descripción : This research project developed a repository and a geovisor (geospatial visualization tool) with predictive capabilities for meteorological and hydrological data in the central highlands of Ecuador, through a web platform integrated with spatial databases and climate models, focusing on the provinces of Tungurahua, Bolívar, and Chimborazo. The methodology combined the analysis of Geographic Information Systems (GIS) tools with the training of climate prediction models such as Linear Regression, Random Forest, LSTM, and CNN, integrating the use of PostgreSQL and GeoServer. The functionality evaluation of the geovisor, based on the ISO/IEC 25010 standard, showed that completeness and functional correctness placed 58% of responses in the “completely satisfied” category and 42% in “very satisfied.” As for functional suitability, 83% of respondents were “completely satisfied” and 17% “very satisfied.” Among the models evaluated, the Convolutional Neural Network (CNN) outperformed the others in all performance metrics, achieving a coefficient of determination (R²) of 0.89, MAE of 0.82, MSE of 1.17, RMSE of 1.08, and EVS of 0.89, positioning it as the most accurate model with the lowest error rate for maximum temperature estimation.
URI : http://dspace.unach.edu.ec/handle/51000/15620
ISSN : UNACH-EC-FI-ITINF
Aparece en las colecciones: Ingeniería en Tecnologías de la Información



Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.