Aplicación de machine learning para la detección de decrecimientos forbush en señales obtenidas de monitores de radiación solar

Simple item page
dc.contributor.advisorRamos Pollan, Raul
dc.contributor.authorValbuena Delgado, Álvaro Alexis
dc.date.accessioned2024-03-03T22:07:13Z
dc.date.available2015
dc.date.available2024-03-03T22:07:13Z
dc.date.created2015
dc.date.issued2015
dc.description.abstractEn el estudio de los fenómenos astrofísicos, se ha visto la gran importancia que han llegado a tener las herramientas informáticas para lograr entenderlos, y al final, entender la naturaleza del mundo que nos rodea. El desarrollo de estas herramientas es imprescindible para lograr alcanzar el conocimiento que se puede obtener del mecanismo que hace funcionar estos fenómenos. Con el aporte de las nuevas técnicas que trae el campo del machine learning para procesar la información que representa estos fenómenos, se presenta una gran oportunidad para aportar herramientas informáticas que ayuden a los científicos a lograr sus metas y aportar su conocimiento a la humanidad. Es por esto que se hace necesario, gracias a las técnicas ofrecidas por el machine learning, desarrollar una serie de herramientas informáticas que se implementarán en diferentes detectores alrededor del mundo y ayudarán a los científicos en su estudio de la radiación solar, la gestión y economía de los detectores ya que al analizar las señales en tiempo real, se almacenarán solo los eventos detectados y no la totalidad de la señales, esto es debido a que los sistemas en los que posiblemente se implemente el modelo puedan ser sistemas Raspberry Pi (ordenadores de placa reducida). Por esto también se hace necesario la aplicación del machine learning, porque una vez se ha desarrollado y entrenado el modelo, será entonces posible identificar, seleccionar y guardar solo los datos necesarios para su transmisión, evitando así la transferencia de grandes volúmenes de información innecesaria. En este trabajo se propones desarrollar un modelo predictivo el cual permita al grupo Halley en colaboración con el proyecto LAGO, detectar y almacenar solo los eventos astrofísicos, automatizando un proceso de clasificación el cual optimizaría la capacidad de almacenamiento que tiene el proyecto LAGO.
dc.description.abstractenglishIn the study of astrophysical phenomena, it has been the great importance that have come to have the tools to achieve understand, and ultimately understand the nature of the world around us. The development of these tools is essential to reaching the knowledge that you can get the mechanism that drives these phenomena. With the contribution of new techniques that brings the field of machine learning to process information that represents these phenomena, presents a great opportunity to provide tools to help scientists achieve their goals and contribute their knowledge to humanity. That is why it is necessary, thanks to the techniques offered by the machine learning, develop a series of tools to be implemented in different detectors around the world and help scientists in their study of solar radiation, management and economy as detectors to analyze signals in real time, be stored only detected events and not the entire signal, that is because the systems in which the model is implemented possibly can be Raspberry Pi systems (computers reduced) plate. Thus the application of machine learning is also necessary, because once it is developed and trained the model will then be possible to identify, select and save only the data required for transmission, thus preventing the transfer of large volumes of unnecessary information. In this paper we propose to develop a predictive model which allows the Halley group in collaboration with the LAGO project, detect and store only the astrophysical events, automating a sorting process which would optimize the storage capacity that has the LAGO project.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero de Sistemas
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/32626
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería de Sistemas
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectMachine Learning
dc.subjectDecrecimientos Forbush
dc.subjectMáquinas De Vectores De Soporte
dc.subjectPython.
dc.subject.keywordMachine Learning
dc.subject.keywordForbush Decrease
dc.subject.keywordSupport Vector Machines
dc.subject.keywordPython.
dc.titleAplicación de machine learning para la detección de decrecimientos forbush en señales obtenidas de monitores de radiación solar
dc.title.englishMachine learning application for detection of forbush decrease on signals obtained from solar radiation monitors.
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
84.03 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
3.01 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
370.85 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería de Sistemas