Predicción de precipitaciones con dispositivos IoT mediante técnicas de análisis de series temporales

Arroyo Delgado, Irene (2019). Predicción de precipitaciones con dispositivos IoT mediante técnicas de análisis de series temporales. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM).

Description

Title: Predicción de precipitaciones con dispositivos IoT mediante técnicas de análisis de series temporales
Author/s:
  • Arroyo Delgado, Irene
Contributor/s:
  • Otero Marnotes, Andres
  • Carrillo, Oscar
Item Type: Final Project
Degree: Grado en Ingeniería en Tecnologías Industriales
Date: September 2019
Subjects:
Freetext Keywords: Análisis de datos, Docker, Internet de las Cosas (IoT), SARIMA, predicción de series temporales, Prophet, Raspberry Pi, SARIMA
Faculty: E.T.S.I. Industriales (UPM)
Department: Automática, Ingeniería Eléctrica y Electrónica e Informática Industrial
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Users in campus UPM only until 7 December 2019 - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (21MB)

Abstract

Hoy en día términos como IoT y Smart City están adquiriendo un papel fundamental en la revolución de la Industria 4.0. Según la empresa internacional de investigación y consultoría de tecnologías de la información Gartner, se espera que para 2020 haya más de 20 mil millones de dispositivos de IoT conectados. Este desafío es posible gracias a nuevas técnicas de computación como Edge Computing que solucionan la necesidad de las aplicaciones de baja latencia y análisis de los datos en tiempo real, frente a un aumento de volúmenes de datos, se propone trasladar la computación más cerca de las fuentes o sensores. Otro gran reto para alcanzar dicho objetivo es la mejora de la seguridad y privacidad de los datos. Un alto porcentaje de dispositivos IoT se encuentran integrados en las llamadas Smart City, su fin es estudiar el comportamiento de las ciudades para establecer medidas que permitan hacer un uso eficiente de los recursos como el transporte e infraestructuras combinados con modelos de producción y consumo sostenibles, permitiendo mejorar la calidad de vida en las ciudades e impulsando la economía. Se ha realizado este trabajo como parte de un proyecto de ciudades sostenibles en el que participa el CITI Lab del departamento de telecomunicaciones del INSA Lyon en colaboración con la Universidad militar de Colombia y la Universidad de los Andes. En él, se estudia un análisis de precipitaciones, determinando los parámetros adecuados para un modelamiento con herramientas de predicción de series temporales como SARIMA y Prophet. Esto con el fin de realizar predicciones de la precipitación, mediante el uso de registros históricos, que sean implementadas en una amplia gama de dispositivos IoT y contribuir a crear una red de sensores, con capacidad de análisis distribuido, que mejoren la prevención de emergencias por inundación o sequía en las Smart Cities. En primer lugar, para el desarrollo de este proyecto se tomó como caso de estudio la evaluación de las precipitaciones en Colombia, que por su ubicación en el trópico y geografía variante presenta muchas fluctuaciones en los registros históricos de lluvia. Para esto, inicialmente se realizó un estudio de las diferentes series de datos recogidos por el Instituto de Hidrología, Meteorología y estudios Ambientales de Colombia - IDEAM para la ciudad de Bucaramanga, cada una de ellas correspondiente a un sensor distinto. Se estudiaron catorce sensores con su localización exacta, altitud y tipo de datos que presentaban. De este estudio, se aplicó un filtro de corrección de datos ya que aparecen datos negativos y excesivamente altos. La selección de los valores máximos del filtro se basa en la precipitación máxima diaria que ha habido entre 1981 y 2010 en cada región de Colombia y que se considera invariante para el periodo de estudio, por obviedad de la no existencia de lluvia negativa el mínimo es cero. Gracias a este estudio y los consecutivos para Bogotá y Medellín se obtiene la conclusión de que los sensores de estas estaciones presentaban un gran índice de error y datos atípicos. El proceso de instalación de las herramientas en cada nodo se automatizó con el uso de contenedores Docker que gracias a nuevas técnicas como la compilación cruzada con Docker Desktop agilizan la creación desde un computador de escritorio y su posterior instalación. La imagen Docker generada cuenta con las herramientas necesarias para implementar de manera ágil y universal la aplicación Jupyter Notebook con los modelos de predicción sobre dispositivos IoT, sin obtener problemas de incompatibilidad. Para verificar el buen funcionamiento en nodos IoT, se ejecuta el contenedor Docker en una Raspberry Pi 3. La Raspberry Pi no es un dispositivo IoT, pero se verifica en este dispositivo pues cuenta con una arquitectura y una capacidad de procesamiento similar a la existente en muchos nodos IoT, por lo que es una plataforma válida para emular un nodo real. En él se miden los tiempos de ejecución y se comparan con el uso del ordenador personal, obteniendo como resultados que el tiempo en la Raspberry para SARIMA es 7.4 veces superior y 8.2 veces superior para Prophet. Así mismo, se observa que a mayor número de datos históricos el proceso se demora del orden de segundos. Estos fenómenos son producidos debido a la arquitectura y componentes de la Raspberry, sin embargo, para un estudio básico y sin restricciones exigentes de tiempo de respuesta, es un dispositivo válido que soporta las herramientas necesarias para este proyecto. En conclusión, en el presente proyecto se presenta una propuesta de Edge Computing para el análisis de datos pluviométricos que es validada con la generación y ejecución en un nodo IoT de un contenedor Docker con las herramientas necesarias para la ejecución de los modelos SARIMA y Prophet. El modelo generado fue validado para las ciudades de Bucaramanga, Bogotá y Medellín, lo que permitirá prever las futuras temporadas de precipitación de esas zonas para evitar posibles catástrofes medioambientales y gestionar los recursos para la agricultura.

More information

Item ID: 56731
DC Identifier: http://oa.upm.es/56731/
OAI Identifier: oai:oa.upm.es:56731
Deposited by: Biblioteca ETSI Industriales
Deposited on: 08 Oct 2019 14:58
Last Modified: 08 Oct 2019 14:58
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM