Busque entre los 168426 recursos disponibles en el repositorio
Mostrar el registro sencillo del ítem
dc.date.accessioned | 2020-01-02T17:37:13Z | |
dc.date.available | 2020-01-02T17:37:13Z | |
dc.date.issued | 2019 | |
dc.identifier.uri | http://sedici.unlp.edu.ar/handle/10915/88076 | |
dc.description.abstract | En este trabajo se presentan los resultados preliminares de una herramienta para mapear probabilidades de granizo en tiempo real. Se utilizó un abordaje de aprendizaje automático con generación de features a partir de los parámetros de un modelo lineal ajustados con datos de Zh obtenidos de las mediciones del radar meteorológico de INTA Paran á observando zonas afectadas por atenuación. Además, se utilizaron datos de campo provistos por empresas aseguradoras que cubren daños por granizo. Los resultados son alentadores con ajustes de los modelos que alcanzaron una exactitud de 79 %. | es |
dc.format.extent | 47-58 | es |
dc.language | es | es |
dc.subject | Granizo | es |
dc.subject | Reflectividad | es |
dc.subject | Machine Learning | es |
dc.subject | Random Forest | es |
dc.title | Probabilidad de granizo derivada de la atenuación producida en un haz de radar | es |
dc.type | Objeto de conferencia | es |
sedici.identifier.issn | 2525-0949 | es |
sedici.creator.person | Banchero, Santiago | es |
sedici.creator.person | Mezher, Romina | es |
sedici.subject.materias | Ciencias Informáticas | es |
sedici.description.fulltext | true | es |
mods.originInfo.place | Sociedad Argentina de Informática e Investigación Operativa | es |
sedici.subtype | Objeto de conferencia | es |
sedici.rights.license | Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0) | |
sedici.rights.uri | http://creativecommons.org/licenses/by-sa/3.0/ | |
sedici.date.exposure | 2019-09 | |
sedici.relation.event | XI Congreso de AgroInformática (CAI) - JAIIO 48 (Salta, 2019) | es |
sedici.description.peerReview | peer-review | es |