Tecnologías Específicas

Computación

Descripcion y Objetivos

Actualmente, los datos se están convirtiendo en motor de la economía. Son los datos, obtenidos de diferentes fuentes, los que nos permiten obtener conocimiento de un proceso que hasta ahora tratábamos de manera diferente. Esto es lo que ocurre en la predicción meteorológica que, debido a reducciones de tiempo y de consumo energético, se ha de sustituir partes de código por el uso de redes neuronales. 

Sin embargo, estas redes requieren de datos fiables y es por eso, que en este TFG se quiere proporcionar una aplicación que, a partir de datos de sensores ambientales o de bases de datos existentes, se realice un proceso de transformación de los datos que garantice la validez de los mismos para diferentes aplicaciones, en este caso, para aplicaciones de meteorología o de evotranspiración. El acceso a las bases de datos se procurará hacerse mediante el uso de APIs.

Como caso de estudio, se utilizará el cálculo de la evotranspiración en una localización dada a partir de un modelo generado a partir de los datos.

En un futuro, se podrán contrastar los resultados con aquellos obtenidos algebráicamente mediante fórmula.

 

 

 

Metodología y Competencias

La metodología a seguir en este proyecto para el desarrollo de la aplicación web estará basado en metodologías ágiles. 

Para el tratamiento de los datos seguiremos las siguientes fases:

.- Recolección, esto es, descarga de los datos mediante el uso de APIs.

.- Procesado que incluye las fases de transformación, agregado, filtrado, limpieza

.- Exploración o extracción de propiedades. Estas propiedades podrán representarse mediante ontologías.

 

En cuanto a las competencias propias de la rama de computación, se desarrollarán las siguientes:

[CM4] Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación.
[CM5] Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes o entornos inteligentes.
[CM7] Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.

 

Medios a utilizar

El software a utilizar es de libre distribución y gratuito accesible por internet: Python, Keras, Pytorch, etc.

No se requiere ningún hardware específico, más allás de un computador normal.

 

Bibliografía

Ivar Jacobson, Grady Booch y James Rumbaugh. El proceso unificado de desarrollo de software. Addison-Wesley (2005), ISBN: 84-7829-036-2.

Per Kroll and Philippe Kruchten. The Rational Unified Process made easy: a practitioner's guide to the RUP. Addison-Wesley (2003), ISBN:0-321-16609-4.

Carmen Lasa Gómez, Rafael de las Heras del Dedo y Alonso Álvarez García. Manual imprescindible [de] métodos ágiles Scrum, Kanban, Lean. Anaya Multimedia, D.L. (2017). ISBN:978-84-415-3888-7.

Antonio Martel. Gestión práctica de proyectos con SCRUM : desarrollo de Software Agil Para El SCRUM Master. Createspace (2016), ISBN: 9781517192365.

Tilo Linz. Testing in scrum : a guide for software quality assurance in the agile world. Santa Barbara, CA : Rocky Nook (2014), ISBN:978-1-937538-39-2.

Francisco Javier Sánchez San Román. Evotranspiración. Departamento de Georlogía de la Universidad de Salamanca. https://hidrologia.usal.es/temas/Evapotransp.pdf 

Saggi, M. K., & Jain, S. (2019). Reference evapotranspiration estimation and modeling of the Punjab Northern India using deep learning. Computers and Electronics in Agriculture, 156, 387-398.

Granata, F. (2019). Evapotranspiration evaluation models based on machine learning algorithms—A comparative study. Agricultural Water Management, 217, 303-315.

Sharma, G., Singh, A., & Jain, S. (2022). Hybrid deep learning techniques for estimation of daily crop evapotranspiration using limited climate data. Computers and Electronics in Agriculture, 202, 107338.

Ferreira, L. B., & da Cunha, F. F. (2020). New approach to estimate daily reference evapotranspiration based on hourly temperature and relative humidity using machine learning and deep learning. Agricultural Water Management, 234, 106113.