bachelorThesis
Prototipo de un aplicativo web para la predicción de avisos de aeródromo para la zona del aeropuerto de la ciudad de Guayaquil aplicando redes neuronales, bajo el histórico del servicio de información meteorológico de Ogimet.
Fecha
2021Autor
Arteaga González, Santiago Antonio
Institución
Resumen
la actualidad es significativo cómo ha evolucionado la tecnología y las oportunidades que representan un nuevo entorno digital. Debido a estos avances se dispone de numerosas técnicas de aprendizaje automático con las que desarrollar un algoritmo para predecir los avisos de aeródromo en la zona del aeropuerto de la ciudad de Guayaquil ya no resulta inalcanzable. La inestabilidad atmosférica produce condiciones especiales ocasionando que los observadores las registren, calculen y codifiquen manualmente, ello provoca que los avisos de aeródromos sean emitidos con cierto margen de error humano, por esto el objetivo principal del presente proyecto es mejorar el nivel de precisión de los avisos de aeródromo a través de un modelo predictivo basado en el aprendizaje automático. Para esto se utilizó de un algoritmo de Red Neuronal Artificial considerando las siguientes variables para el desarrollo: dirección e intensidad del viento, visibilidad horizontal, cantidad y altura de nube, temperatura del aire y del punto de rocío y la presión atmosférica. Para entrenar y probar el modelo se utilizó la información obtenida del Portal Meteorológico de OGIMET, de los tres últimos años, datos utilizados para alcanzar así la predicción del aviso de aeródromo. Se contempla la utilización de la metodología de desarrollo de software en cascada y en base a un estudio de observación e investigación, recopilación de datos del estado de arte y análisis de modelos de IA. La página web que presenta los resultados de la predicción fue desarrollada en el lenguaje Python, diseñada en Streamlit y se utilizó la base de datos Firebase, siendo estos desplegados en los servicios de Google Cloud. Se realizó una comparación de la efectividad de algoritmos de aprendizaje supervisado como máquinas vectoriales SVM y regresión logística concluyendo que las redes neuronales artificiales alcanzan un mayor porcentaje de aprendizaje. Nowadays it is significant how technology has evolved and the opportunities that a new digital environment represents. Due to these advances, numerous machine learning techniques are available with which to develop an algorithm to predict aerodrome warnings in the airport area of Guayaquil city, it is no longer unattainable. Atmospheric instability produces special conditions causing observers to register, calculate and code them manually, this causes aerodrome warnings to be issued with a certain margin of human error, therefore the main objective of this project is to improve the level of precision of the aerodrome warnings through a predictive model based on machine learning. For this, an Artificial Neural Network algorithm was used considering the following variables for development: direction and intensity of the wind, horizontal visibility, amount and height of cloud, air temperature and dew point and atmospheric pressure. To train and test the model, the information obtained from the OGIMET Meteorological Portal, from the last three years, was used, data used to achieve the prediction of the aerodrome warning. The use of the software development methodology in cascade is contemplated and based on an observation and research study, collection of state-of-the-art data and analysis of AI models. The web page that presents the prediction results was developed in the Python language, designed in Streamlit and the Firebase database was used, being these deployed in Google Cloud services. A comparison of the effectiveness of supervised learning algorithms such as SVM vector machines and regression was made, concluding that artificial neural networks achieved a higher percentage of learning.