Modelaje de inundaciones en el departamento de Antioquia a partir de redes neuronales
Los seguros indexados proporcionan una alternativa para el aseguramiento de cultivos, especialmente para economías de bajos ingresos con servicios financieros subdesarrollados. El proyecto desarrollado muestra la implementación de redes neuronales como base para la construcción de un seguro indexado...
- Autores:
-
Hernández Rojas, Luis Felipe
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/64076
- Acceso en línea:
- http://hdl.handle.net/1992/64076
- Palabra clave:
- Aseguramiento de cultivos
Redes neuronales
Seguros indexados
Inundación
Datos satelitales
Google Earth Engine
Machine learning
Ingeniería
- Rights
- openAccess
- License
- Atribución 4.0 Internacional
| id |
UNIANDES2_c25643d0b47ad8cbafe959e052bd6b1d |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/64076 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Modelaje de inundaciones en el departamento de Antioquia a partir de redes neuronales |
| title |
Modelaje de inundaciones en el departamento de Antioquia a partir de redes neuronales |
| spellingShingle |
Modelaje de inundaciones en el departamento de Antioquia a partir de redes neuronales Aseguramiento de cultivos Redes neuronales Seguros indexados Inundación Datos satelitales Google Earth Engine Machine learning Ingeniería |
| title_short |
Modelaje de inundaciones en el departamento de Antioquia a partir de redes neuronales |
| title_full |
Modelaje de inundaciones en el departamento de Antioquia a partir de redes neuronales |
| title_fullStr |
Modelaje de inundaciones en el departamento de Antioquia a partir de redes neuronales |
| title_full_unstemmed |
Modelaje de inundaciones en el departamento de Antioquia a partir de redes neuronales |
| title_sort |
Modelaje de inundaciones en el departamento de Antioquia a partir de redes neuronales |
| dc.creator.fl_str_mv |
Hernández Rojas, Luis Felipe |
| dc.contributor.advisor.none.fl_str_mv |
García Cárdenas, Juan José Ábrego Pérez, Adriana Lourdes Lozano Martínez, Fernando Enrique |
| dc.contributor.author.none.fl_str_mv |
Hernández Rojas, Luis Felipe |
| dc.contributor.jury.none.fl_str_mv |
Segura Quijano, Fredy Enrique |
| dc.contributor.researchgroup.es_CO.fl_str_mv |
Centro de Investigación de la Facultad de Ingeniería |
| dc.subject.keyword.none.fl_str_mv |
Aseguramiento de cultivos Redes neuronales Seguros indexados Inundación Datos satelitales Google Earth Engine Machine learning |
| topic |
Aseguramiento de cultivos Redes neuronales Seguros indexados Inundación Datos satelitales Google Earth Engine Machine learning Ingeniería |
| dc.subject.themes.es_CO.fl_str_mv |
Ingeniería |
| description |
Los seguros indexados proporcionan una alternativa para el aseguramiento de cultivos, especialmente para economías de bajos ingresos con servicios financieros subdesarrollados. El proyecto desarrollado muestra la implementación de redes neuronales como base para la construcción de un seguro indexado contra inundaciones para el departamento de Antioquia, Colombia. Se utilizan datos satelitales de variables de precipitación y humedad del suelo como predictores, e inundaciones históricas registradas en el departamento como variable de salida del modelo. A partir de las predicciones realizadas por el modelo se construye un seguro indexado y se evalúa el costo promedio asociado a las distintas partes involucradas. Se logra obtener un modelo de redes neuronales, que en comparación con un modelo de regresión logística, logra un aumento de aproximadamente el 10% del F1-score y un 30% del área bajo la curva precisión-sensibilidad |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-01-23T20:53:43Z |
| dc.date.available.none.fl_str_mv |
2023-01-23T20:53:43Z |
| dc.date.issued.none.fl_str_mv |
2023-01-23 |
| dc.type.es_CO.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.es_CO.fl_str_mv |
Text |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/64076 |
| dc.identifier.instname.es_CO.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.es_CO.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.es_CO.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/64076 |
| identifier_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.es_CO.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.es_CO.fl_str_mv |
A. L. Abrego Pérez and G. I. Penagos Londoño. Mixture modeling segmentation and singular spectrum analysis to model and forecast an asymmetric condor-like option index insurance for colombian coffee crops. Climate Risk Management, 35, 100421, 2022. J. A. Mukhta, R. Nurfarhana, Z. Zed, Khairudin N., M. R. Balqis, M. M. Farrah, A. K. Nor, and T. Fredolin. Index-based insurance and hydroclimatic risk management in agriculture: A systematic review of index selection and yield-index modelling methods. International Journal of disaster risk reduction, 67, 102653, 2022. A.M. Komarek, A. De Pinto, and V.H. Smith. A review of types of risks in agriculture: what we know and what we need to know. Agricultural Systems, 178, 102738, 2020. E. Vogel, M.G. Donat, L.V. Alexander, M. Meinshausen, D.K. Ray, D. Karoly, N. Meinshausen, and K. Frieler. The effects of climate extremes on global agricultural yields. Environ. Res. Lett, 14 (5), 054010, 2019. G James, D. Witten, T. Hastie, and R. Tibshirani. An Introduction to Statistical Learning. Springer, New York, 2021. R. Figueiredo, M.L.V. Martina, D.B. Stephenson, and B.D. Youngman. A probabilistic paradigm for the parametric insurance of natural hazards. Risk Analysis, 38 (11), 2018. L. Cesarini, R. Figueiredo, B. Monteleone, and M.L.V. Martina. The potential of machine learning for weather index insurance. Natural Hazards and Earth Systems Sciences, 21:2379-2405, 2021. G. James, D. Witten, T. Hastie, and R. Tibshirani. An Introduction to Statistical Learning. Springer, 2 edition, 2021. M. Kuhn and K. Johnson. Applied Predictive Modeling. Springer, 2013. N. Chawla, K. Bowyer, Hall L., and W. Kegelmeyer. Smote: Synthetic minority over-sampling technique. Journal of Artificial Intelligence Research, 16(1):321-357, 2002. Estructura del sistema nacional de gestion del riesgo de desastres. http://portal.gestiondelriesgo.gov.co/Paginas/Estructura.aspx, 2012. Consolidado anual de emergencias. https://portal.gestiondelriesgo.gov.co/Paginas/Consolidado-Atencion-de-Emergencias.aspx. A. Géron. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. O reilly Media, Inc., 3 edition, 2022. United States Agency for International Development (USAID). Index insurance for weather risk in lower-income countries. https://pdf.usaid.gov/pdf_docs/pnadj683.pdf, 2006. Tom O'Malley, Elie Bursztein, James Long, François Chollet, Haifeng Jin, Luca Invernizzi, et al. Kerastuner. https://github.com/keras-team/keras-tuner, 2019. S. Sorooshian, K. Hsu, D. Braithwaite, H. Ashouri, and NOAA CDR Program. Noaa climate data record (cdr) of precipitation estimation from remotely sensed information using artificial neural networks (persianncdr), version 1 revision 1. NOAA National Centers for Environmental Information, 2014. Ashouri H., K. Hsu, Sorooshian S., D. K. Braithwaite, K. R. Knapp, L. D. Cecil, B. R. Nelson, and O. P. Prat. Persiann-cdr: Daily precipitation climate data record from multi-satellite observations for hydrological and climate studies. Bulletin of the American Meteorological Society, 96(1):69-83, 2015. G.J. Huffman, E.F. Stocker, D.T. Bolvin, E.J. Nelkin, and J. Tan. Gpm imerg final precipitation l3 half hourly 0.1 degree x 0.1 degree v06, greenbelt, md, goddard earth sciences data and information services center (ges disc). doi:10.5067/GPM/IMERG/3B-HH/06, 2019. Visitado: 28-12-2022. J. Muñoz Sabater. Era5-land hourly data from 1981 to present. doi: 10.24381/cds.e2161bac, 2019. Visitado: 28-12-2022. L. Lisha, J. Kevin, D. Giulia, R. Afshin, and T. Ameet. Hyperband: A novel bandit-based approach to hyperparameter optimization. Journal of Machine Learning Research, 18(185):1-52, 2018. DANE. Censo nacional agropecuario, 2014. https://www.dane.gov.co/files/CensoAgropecuario/entrega-definitiva/Boletin-10-produccion/10-presentacion.pdf, 2016. Visitado: 11-01-2023. |
| dc.rights.license.spa.fl_str_mv |
Atribución 4.0 Internacional |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución 4.0 Internacional http://creativecommons.org/licenses/by/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.es_CO.fl_str_mv |
14 páginas |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.es_CO.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.es_CO.fl_str_mv |
Ingeniería Electrónica |
| dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Eléctrica y Electrónica |
| institution |
Universidad de los Andes |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/65c80a48-8129-4838-b486-51b1aee1a48d/download https://repositorio.uniandes.edu.co/bitstreams/491a1679-c90e-425e-9e5f-d98058543b16/download https://repositorio.uniandes.edu.co/bitstreams/85b2b8cd-7c9e-4c8f-b59b-66668fd1c764/download https://repositorio.uniandes.edu.co/bitstreams/d2549b4e-0691-4f1e-a15f-8ce194f3480a/download https://repositorio.uniandes.edu.co/bitstreams/80c82eb9-00e4-4927-9803-74bf8088262a/download https://repositorio.uniandes.edu.co/bitstreams/129d6f0c-110d-406c-953f-1ae4e6f45f7b/download https://repositorio.uniandes.edu.co/bitstreams/1a1b35e7-f4b7-462c-a433-fcceee944194/download https://repositorio.uniandes.edu.co/bitstreams/3736bf97-d13c-4402-96cb-e74ff2731354/download |
| bitstream.checksum.fl_str_mv |
5aa5c691a1ffe97abd12c2966efcb8d6 1b1bd157ccada3086451e23cc6f4e9f1 7ab16c3427d4132336f6b3f99ea2fa47 104d6fed080da3dc4769e04098e27172 4491fe1afb58beaaef41a73cf7ff2e27 a7115bdd41f3078e47073696d564a38d 857853132d22da712193d51d2bad134c 0175ea4a2d4caec4bbcc37e300941108 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1818111735791353856 |
| spelling |
Atribución 4.0 Internacionalhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2García Cárdenas, Juan Joséa24bf4df-af3f-46e1-85ad-9447bcbb667d600Ábrego Pérez, Adriana Lourdesd61481cb-e01e-47e1-b795-8e1ad9d8091d600Lozano Martínez, Fernando Enriquevirtual::3588-1Hernández Rojas, Luis Felipe93240c46-69d2-456f-977f-a3188c11cc91600Segura Quijano, Fredy EnriqueCentro de Investigación de la Facultad de Ingeniería2023-01-23T20:53:43Z2023-01-23T20:53:43Z2023-01-23http://hdl.handle.net/1992/64076instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Los seguros indexados proporcionan una alternativa para el aseguramiento de cultivos, especialmente para economías de bajos ingresos con servicios financieros subdesarrollados. El proyecto desarrollado muestra la implementación de redes neuronales como base para la construcción de un seguro indexado contra inundaciones para el departamento de Antioquia, Colombia. Se utilizan datos satelitales de variables de precipitación y humedad del suelo como predictores, e inundaciones históricas registradas en el departamento como variable de salida del modelo. A partir de las predicciones realizadas por el modelo se construye un seguro indexado y se evalúa el costo promedio asociado a las distintas partes involucradas. Se logra obtener un modelo de redes neuronales, que en comparación con un modelo de regresión logística, logra un aumento de aproximadamente el 10% del F1-score y un 30% del área bajo la curva precisión-sensibilidadIndex insurance provides an alternative for crop production hedge, specially for low-income economies with underdeveloped financial services. The project in hand shows the implementation of neural networks as a base for the construction of an index insurance product that hedges farmers against floods in Colombia's Antioquia department. As model inputs, satellite datasets are used, specifically variables of precipitation and soil moisture. Historic records of floods are used as the model's output variable. From the model's output a hypothetic index insurance product is created and the average cost for the involved parties is calculated. The methodology implemented leads to a neural network model which, compared to a logistic regression model, achieves an increase of about 10% in the F1-score and about 30% of the area under the precision-sensitivity curve.Facultad de IngenieríaIngeniero ElectrónicoPregradoSeguros climaticos14 páginasapplication/pdfspaUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaModelaje de inundaciones en el departamento de Antioquia a partir de redes neuronalesTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPAseguramiento de cultivosRedes neuronalesSeguros indexadosInundaciónDatos satelitalesGoogle Earth EngineMachine learningIngenieríaA. L. Abrego Pérez and G. I. Penagos Londoño. Mixture modeling segmentation and singular spectrum analysis to model and forecast an asymmetric condor-like option index insurance for colombian coffee crops. Climate Risk Management, 35, 100421, 2022.J. A. Mukhta, R. Nurfarhana, Z. Zed, Khairudin N., M. R. Balqis, M. M. Farrah, A. K. Nor, and T. Fredolin. Index-based insurance and hydroclimatic risk management in agriculture: A systematic review of index selection and yield-index modelling methods. International Journal of disaster risk reduction, 67, 102653, 2022.A.M. Komarek, A. De Pinto, and V.H. Smith. A review of types of risks in agriculture: what we know and what we need to know. Agricultural Systems, 178, 102738, 2020.E. Vogel, M.G. Donat, L.V. Alexander, M. Meinshausen, D.K. Ray, D. Karoly, N. Meinshausen, and K. Frieler. The effects of climate extremes on global agricultural yields. Environ. Res. Lett, 14 (5), 054010, 2019.G James, D. Witten, T. Hastie, and R. Tibshirani. An Introduction to Statistical Learning. Springer, New York, 2021.R. Figueiredo, M.L.V. Martina, D.B. Stephenson, and B.D. Youngman. A probabilistic paradigm for the parametric insurance of natural hazards. Risk Analysis, 38 (11), 2018.L. Cesarini, R. Figueiredo, B. Monteleone, and M.L.V. Martina. The potential of machine learning for weather index insurance. Natural Hazards and Earth Systems Sciences, 21:2379-2405, 2021.G. James, D. Witten, T. Hastie, and R. Tibshirani. An Introduction to Statistical Learning. Springer, 2 edition, 2021.M. Kuhn and K. Johnson. Applied Predictive Modeling. Springer, 2013.N. Chawla, K. Bowyer, Hall L., and W. Kegelmeyer. Smote: Synthetic minority over-sampling technique. Journal of Artificial Intelligence Research, 16(1):321-357, 2002.Estructura del sistema nacional de gestion del riesgo de desastres. http://portal.gestiondelriesgo.gov.co/Paginas/Estructura.aspx, 2012.Consolidado anual de emergencias. https://portal.gestiondelriesgo.gov.co/Paginas/Consolidado-Atencion-de-Emergencias.aspx.A. Géron. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. O reilly Media, Inc., 3 edition, 2022.United States Agency for International Development (USAID). Index insurance for weather risk in lower-income countries. https://pdf.usaid.gov/pdf_docs/pnadj683.pdf, 2006.Tom O'Malley, Elie Bursztein, James Long, François Chollet, Haifeng Jin, Luca Invernizzi, et al. Kerastuner. https://github.com/keras-team/keras-tuner, 2019.S. Sorooshian, K. Hsu, D. Braithwaite, H. Ashouri, and NOAA CDR Program. Noaa climate data record (cdr) of precipitation estimation from remotely sensed information using artificial neural networks (persianncdr), version 1 revision 1. NOAA National Centers for Environmental Information, 2014.Ashouri H., K. Hsu, Sorooshian S., D. K. Braithwaite, K. R. Knapp, L. D. Cecil, B. R. Nelson, and O. P. Prat. Persiann-cdr: Daily precipitation climate data record from multi-satellite observations for hydrological and climate studies. Bulletin of the American Meteorological Society, 96(1):69-83, 2015.G.J. Huffman, E.F. Stocker, D.T. Bolvin, E.J. Nelkin, and J. Tan. Gpm imerg final precipitation l3 half hourly 0.1 degree x 0.1 degree v06, greenbelt, md, goddard earth sciences data and information services center (ges disc). doi:10.5067/GPM/IMERG/3B-HH/06, 2019. Visitado: 28-12-2022.J. Muñoz Sabater. Era5-land hourly data from 1981 to present. doi: 10.24381/cds.e2161bac, 2019. Visitado: 28-12-2022.L. Lisha, J. Kevin, D. Giulia, R. Afshin, and T. Ameet. Hyperband: A novel bandit-based approach to hyperparameter optimization. Journal of Machine Learning Research, 18(185):1-52, 2018.DANE. Censo nacional agropecuario, 2014. https://www.dane.gov.co/files/CensoAgropecuario/entrega-definitiva/Boletin-10-produccion/10-presentacion.pdf, 2016. Visitado: 11-01-2023.201727948Publicationedd81d8c-e0b9-4c1f-bf04-eed0e12e755dvirtual::3588-1edd81d8c-e0b9-4c1f-bf04-eed0e12e755dvirtual::3588-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000025550virtual::3588-1LICENSElicense.txtlicense.txttext/plain; charset=utf-81810https://repositorio.uniandes.edu.co/bitstreams/65c80a48-8129-4838-b486-51b1aee1a48d/download5aa5c691a1ffe97abd12c2966efcb8d6MD51THUMBNAILProyecto_de_grado_IELE.pdf.jpgProyecto_de_grado_IELE.pdf.jpgIM Thumbnailimage/jpeg23794https://repositorio.uniandes.edu.co/bitstreams/491a1679-c90e-425e-9e5f-d98058543b16/download1b1bd157ccada3086451e23cc6f4e9f1MD56Formato_autorización_trabajo_de_grado (1).pdf.jpgFormato_autorización_trabajo_de_grado (1).pdf.jpgIM Thumbnailimage/jpeg17134https://repositorio.uniandes.edu.co/bitstreams/85b2b8cd-7c9e-4c8f-b59b-66668fd1c764/download7ab16c3427d4132336f6b3f99ea2fa47MD58TEXTProyecto_de_grado_IELE.pdf.txtProyecto_de_grado_IELE.pdf.txtExtracted texttext/plain61170https://repositorio.uniandes.edu.co/bitstreams/d2549b4e-0691-4f1e-a15f-8ce194f3480a/download104d6fed080da3dc4769e04098e27172MD55Formato_autorización_trabajo_de_grado (1).pdf.txtFormato_autorización_trabajo_de_grado (1).pdf.txtExtracted texttext/plain1163https://repositorio.uniandes.edu.co/bitstreams/80c82eb9-00e4-4927-9803-74bf8088262a/download4491fe1afb58beaaef41a73cf7ff2e27MD57ORIGINALProyecto_de_grado_IELE.pdfProyecto_de_grado_IELE.pdfapplication/pdf2554363https://repositorio.uniandes.edu.co/bitstreams/129d6f0c-110d-406c-953f-1ae4e6f45f7b/downloada7115bdd41f3078e47073696d564a38dMD53Formato_autorización_trabajo_de_grado (1).pdfFormato_autorización_trabajo_de_grado (1).pdfHIDEapplication/pdf149938https://repositorio.uniandes.edu.co/bitstreams/1a1b35e7-f4b7-462c-a433-fcceee944194/download857853132d22da712193d51d2bad134cMD54CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8908https://repositorio.uniandes.edu.co/bitstreams/3736bf97-d13c-4402-96cb-e74ff2731354/download0175ea4a2d4caec4bbcc37e300941108MD521992/64076oai:repositorio.uniandes.edu.co:1992/640762024-03-13 12:28:37.091http://creativecommons.org/licenses/by/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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 |