dc.contributor
Universidad de Cantabria. Departamento de Matemática Aplicada y Ciencias de la Computación
dc.contributor.author
Ancell Trueba, Rafael
dc.date.accessioned
2013-06-04T08:48:13Z
dc.date.available
2013-06-04T08:48:13Z
dc.date.issued
2009-07-24
dc.identifier.uri
http://hdl.handle.net/10803/113596
dc.description.abstract
Esta tesis está dirigida principalmente a investigadores interesados en la aplicación de técnicas de minera de datos en Meteorología y otras ciencias medioambientales afines. De forma genérica, trata de la modelización probabilística de sistemas definidos por muchas variables, cuyas relaciones de dependencia son inferidas a partir de un conjunto representativo de datos.
La idea es resolver algunos problemas prácticos relacionados con el diagnóstico y la predicción probabilística local en Meteorología, considerando el problema de la coherencia espacial. En concreto, el eje central de esta tesis ha sido el desarrollo de redes Bayesianas, para su aplicación en la predicción probabilística local.
spa
dc.description.abstract
This thesis is mainly oriented to researchers interested in the data mining techniques applied to Meteorology and other related environmental sciences. It uses probabilistic models to describe systems defined by many variables whose dependencies have to be inferred from a set of representative data.
The main purpose is solve practical problems related to the diagnosis and probabilistic local forecasting Meteorology, considering the problem of spatial coherence. Specifically, the focus of this thesis has been the development of Bayesian networks to be applied in the local probabilistic forecasting.
eng
dc.format.extent
228 p.
cat
dc.format.mimetype
application/pdf
dc.publisher
Universidad de Cantabria
dc.rights.license
ADVERTENCIA. El acceso a los contenidos de esta tesis doctoral y su utilización debe respetar los derechos de la persona autora. Puede ser utilizada para consulta o estudio personal, así como en actividades o materiales de investigación y docencia en los términos establecidos en el art. 32 del Texto Refundido de la Ley de Propiedad Intelectual (RDL 1/1996). Para otros usos se requiere la autorización previa y expresa de la persona autora. En cualquier caso, en la utilización de sus contenidos se deberá indicar de forma clara el nombre y apellidos de la persona autora y el título de la tesis doctoral. No se autoriza su reproducción u otras formas de explotación efectuadas con fines lucrativos ni su comunicación pública desde un sitio ajeno al servicio TDR. Tampoco se autoriza la presentación de su contenido en una ventana o marco ajeno a TDR (framing). Esta reserva de derechos afecta tanto al contenido de la tesis como a sus resúmenes e índices.
dc.source
TDR (Tesis Doctorales en Red)
dc.subject
probabilidad
cat
dc.subject
meteorología
cat
dc.subject
hidrología
cat
dc.subject
climatología
cat
dc.subject
probabilistic models
cat
dc.subject
meteorology
cat
dc.subject.other
Metereología
cat
dc.title
Aportaciones de las redes bayesianas en meteorología.Predicción probabilística de precipitación. Applications of Bayesian Networks in Meteorology. Probabilistic Forecast of Precipitation.
cat
dc.type
info:eu-repo/semantics/doctoralThesis
dc.type
info:eu-repo/semantics/publishedVersion
dc.contributor.authoremail
rancellt@aemet.es
cat
dc.contributor.director
Gutiérrez Llorente, José Manuel
dc.rights.accessLevel
info:eu-repo/semantics/openAccess
dc.identifier.dl
SA.310-2013
cat
