http://hdl.handle.net/11531/811 2026-04-06T18:08:08Z http://hdl.handle.net/11531/98704 Título : Predicción de la Producción de Energía en Centrales Solares mediante Modelos de Aprendizaje Automático Autor : Campo Herrero, Javier Resumen : Este estudio comparativo evaluó la evolución desde regresiones lineales básicas hasta SARIMA, Bosque Aleatorio y redes LSTM para la predicción fotovoltaica en horizontes diario y anual. Se constató una mejora continua en precisión y en varianza explicada, alcanzando los mejores resultados con LSTM. La segmentación temporal y la optimización de hiperparámetros demostraron ser claves para adaptar cada modelo a su escala específica.; This comparative study assessed photovoltaic forecasting methods from basic linear regression through SARIMA, Random Forest, and LSTM on both daily and annual horizons. Accuracy and explained variance improved at each stage, with LSTM delivering the highest precision. Temporal segmentation and rigorous hyperparameter tuning proved essentialto adapt each model to its respective scale. Descripción : Grado en Ingeniería en Tecnologías de Telecomunicación 2025-01-01T00:00:00Z http://hdl.handle.net/11531/97204 Título : ANOMALY DETECTION IN RAILWAY INFRASTRUCTURE BASED ON 3D POINT CLOUD DATA USING NEURAL NETWORKS Autor : Hernández Fernández, Lucía Resumen : El análisis preciso de la infraestructura ferroviaria es de gran importancia para garantizar la seguridad, la fiabilidad y la eficiencia en los sistemas de transporte, ya que proporciona información para el monitoreo del estado de sus componentes, y la detección de cambios a lo largo del tiempo y anomalías. Además, permite a los ingenieros y operadores evaluar irregularidades estructurales para orientar intervenciones preventivas con precisión. Este trabajo presenta un estudio exhaustivo centrado en la segmentación y clasificación de los componentes de la infraestructura ferroviaria a partir de nubes de puntos LiDAR, con el objetivo de automatizar la identificación de elementos estructurales, explorando las técnicas de Deep Learning. En este estudio se investigan tres enfoques. Primero, se emplea un modelo de clasificación binaria para distinguir los elementos de infraestructura ferroviaria de aquellos que no lo son. En segundo lugar, se desarrolla una segmentación semántica para separar los principales componentes estructurales. Finalmente, se diseña un módulo de detección de anomalías para identificar irregularidades en los cables aéreos. El estudio evalúa y compara el rendimiento de estos enfoques en términos de precisión, eficacia y aplicabilidad para el monitoreo inteligente de la infraestructura. Más allá de la aplicación en este sector, las metodologías desarrolladas en este estudio pueden aplicarse en los que se analicen nubes de puntos LiDAR, como diferentes infraestructuras civiles, como puentes o túneles, ofreciendo un abanico más amplio de aplicaciones.; Accurate analysis of railway infrastructure is very important for ensuring safety, reliability, and efficient operation of transportation systems, as it provides essential information for monitoring the condition of critical components, detecting changes over time, and anomalies. Aditionally, it allows engineers and operators to evaluate structural irregularities, assess the overall state of the infrastructure, and guide preventive interventions with precision. This research paper presents a comprehensive study focused on the segmen tation and classification of railway infrastructure components from LiDAR point clouds, and to automate the identification of structural elements, such as cables, posts, and tracks, exploring the potential of Deep Learning techniques to do so. Three complementary approaches are investigated in this study. Firstly, a binary classification model is used to distinguish railway infrastructure from non infrastructure elements within the LiDAR point clouds. Secondly, a semantic seg mentation framework is developed to separate the main structural components. Finally, an anomaly detection module is designed to specifically identify irregu larities in overhead cables. The study evaluates and compares the performance of these approaches in terms of accuracy, effectiveness, and practical applicability for intelligent infrastructure monitoring. Beyond the specific application to the railway sector, the methodologies de veloped in this study can be used in other sectors involving LiDAR point cloud analysis, like different types of civil infrastructure, such as bridges, roads, or power lines, offering a broader range of applications. Descripción : Grado en Ingeniería en Tecnologías de Telecomunicación y Grado en Análisis de Negocios/Business Analytics 2025-01-01T00:00:00Z http://hdl.handle.net/11531/97006 Título : Sistema de Control GPS y GMS para el Seguimiento de Personas Autor : Hernández Kuramata, Emilio Kenji Resumen : Este proyecto se presenta en el contexto actual de expansión de las tecnologías de geoposicionamiento global en los diferentes sectores industriales para múltiples aplicaciones, que van desde la localización de vehículos, a la optimización logística y del marketing, usos militares, control de maquinaria, agricultura de precisión, monitoreo ambiental y respuesta a desastres. Así, el presente proyecto tiene como fin elaborar un prototipo de geoposicionamiento global, utilizando el sistema de satélites americano Global Positioning System (GPS), con base en tecnología (hardware y software) de código abierto, analizando sus ventajas e inconvenientes. Entre las diversas plataformas de código abierto existentes, se ha optado por la tecnología Arduino, con una gran base de usuarios y desarrolladores, utilizando diferentes módulos NEO-6M GPS asociados a geoposicionamiento. A fin de cumplir los objetivos establecidos en el proyecto la tecnología Arduino ha sido integrada con otras tecnologías y lenguajes de programación de código abierto, entre ellas Python, SQL y HTTP API Request. Asimismo, el proyecto incluye el desarrollo de una base de datos para registrar y almacenar las coordenadas recibidas, cuyo acceso requiere a su vez el despliegue de un servidor web, y un interfaz de página front-end que permite al usuario visualizar los resultados de una manera precisa y clara. Las conclusiones razonadas a partir de los resultados obtenidos indican que es viable la creación de una herramienta de geoposicionamiento con base en tecnología de código abierto, y en concreto, basada en la tecnología Arduino, como alternativa a otras opciones disponibles en el mercado de código cerrado, esto es, con tecnología propietaria (sujeta a patentes). No obstante, a la vista de dichas conclusiones resultaría recomendable para futuros trabajos de desarrollo estudiar mejoras posibles de la solución tecnológica analizada y lograr una mayor escalabilidad del prototipo desarrollado, con el fin de mejorar su eficacia y coste.; This project is presented in the current context of expanding geopositioning technologies in different industrial sectors for multiple applications, which range from vehicle localization, to logistical and marketing optimization, military uses, control of machinery, monitoring of the environment and responses to disasters. It is here that this project has the creation of a global geopositioning prototype as its goal, using the American system of satellites known as Global Positioning System (GPS), with uses of open source technology (hardware and software), analysis its advantages and inconveniences. Out of all the diverse existing open source platforms, Arduino technology has been opted with its set base of users and developers, using different Neo-6M GPS modules associated with geopositioning. In order to complete the objectives established in the project, Arduino has been integrated with other open source technologies and programming languages, with Python, SQL and HTTP API Request being among them. The project includes the development of a database to register and store the received coordinates, of which its access requires the deployment of a web server, and a front-end webpage to allow users to visualize the results in a precise and clear manner. The conclusions reached based on the obtained results indicate the viability of the creation of a global positioning tool with open source technology, specifically based on Arduino technology, as an alternative to other options available of close source market, these being proprietary technology (held in patents). Nevertheless, it would be recommended for future development projects to study possible improvements of the technological solution analyzed and to obtain a larger scalability of the developed prototype to improve its efficiency and cost. Descripción : Grado en Ingeniería en Tecnologías de Telecomunicación 2025-01-01T00:00:00Z http://hdl.handle.net/11531/96649 Título : Estudio de variables relevantes y análisis predictivo en la probabilidad de lesión de futbolistas en los campeonatos de Latinoamérica Autor : Moreno Nieto, María Ángeles Resumen : Este Trabajo Fin de Grado tiene como objetivo identificar los factores contextuales que influyen significativamente en la aparición de lesiones en el fútbol profesional latinoamericano, concretamente en las competiciones de la CONMEBOL. A partir de un dataset anonimizado de partidos disputados en la Copa Libertadores y la Copa Sudamericana entre 2022 y 2024, se estudian variables como la altitud, la temperatura, el país anfitrión, la distancia recorrida por el equipo visitante o la condición de local/visitante, aplicando técnicas estadísticas y modelos de aprendizaje automático. La parte exploratoria del trabajo formula hipótesis iniciales sobre posibles factores de riesgo, basadas en patrones detectados durante el análisis descriptivo de variables contextuales. Estas hipótesis se contrastan a través del entrenamiento de diferentes modelos de clasificación binaria: regresión logística con penalización ElasticNet, Random Forest, XGBoost y una técnica de stacking que combina los tres modelos anteriores. Se emplean métricas como precision, recall, F1-score y AUC para evaluar su rendimiento. El enfoque se centra especialmente en maximizar el recall, priorizando la detección de lesiones reales. Los resultados muestran que el país anfitrión (especialmente Bolivia y Venezuela), la condición de local o visitante, relacionada con la presión del público y la agresividad del rival, y el año de competición por la introducción del nuevo calendario con playoffs en 2023 son predictores relevantes del riesgo lesivo. El modelo de stacking alcanzó el mejor recall (0.769), maximizando la detección de lesiones reales. Como complemento, se ha desarrollado una herramienta interactiva que permite a clubes o analistas estimar el riesgo de lesión en función del contexto del partido y la configuración del entrenamiento del modelo, lo que aporta un valor práctico para la planificación del entrenamiento y las estrategias de prevención médica.; This Thesis aims to identify contextual factors that significantly influence injury occurrence in Latin American professional football in CONMEBOL competitions. Based on an anonymized dataset from Copa Libertadores and Copa Sudamericana matches between 2022 and 2024, the study analyzes contextual variables such as altitude, temperature, host country, visitor travel distance, competition stage, and home/away status. These variables are explored through descriptive statistics and machine learning models to understand their impact on injury risk. The exploration phase generates initial hypotheses based on observed patterns, such as the potential increased risk for home teams due to greater exposure or opponent aggressiveness, or the effects of long-distance travel and geographic conditions. These hypotheses are later tested through predictive modeling. Several binary classification models are trained: logistic regression with ElasticNet regularization, Random Forest, XGBoost, and a stacking ensemble combining all three. Performance is evaluated using metrics such as accuracy, precision, recall, F1-score, and AUC, with a special focus on recall, aiming to minimize false negatives and maximize the detection of real injury events. Results show that the most relevant predictors are the host country (with Bolivia and Venezuela standing out), the condition of playing at home or away, which is linked to crowd influence and match intensity, and the implementation of a new playoff-based calendar in 2023. The stacking model achieved the highest recall score (0.769), making it particularly useful for real-world applications. An additional interactive tool was developed to allow clubs or analysts to estimate injury risk based on match context and model configuration, adding practical value for training planning and medical prevention strategies. Descripción : Grado en Ingeniería en Tecnologías de Telecomunicación y Grado en Análisis de Negocios/Business Analytics 2025-01-01T00:00:00Z