Atribución-SinDerivadas 4.0 InternacionalGiraldo Henao, RamónNiño Chaparro, Alejandro2024-05-272024-05-272023https://repositorio.unal.edu.co/handle/unal/86169ilustraciones, diagramasSe propone una nueva metodología en el contexto de geostadística no estacionaria que permite hacer predicción de datos circulares empleando kriging circular residual cuando la tendencia espacial es modelada a través de redes neuronales. Usando datos simulados y reales (tomados del proyecto NASA power) se hace comparación de la técnica propuesta con pulimento de medianas. Los resultados indican que la estrategia considerada mejora las predicciones. (Texto tomado de la fuente).We propose a new methodology in the context of nonstationary geostatistics that allows the prediction of circular data using residual circular kriging when the spatial trend is modeled through neural networks. Using simulated and real data (taken from the NASA power project), the proposed technique is compared with those obtained through median polish. The results indicate that the strategy proposed improves the predictionsix, 58 páginasapplication/pdfspahttp://creativecommons.org/licenses/by-nd/4.0/000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadores510 - Matemáticas::519 - Probabilidades y matemáticas aplicadasTrabajo de grado - MaestríaUniversidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/info:eu-repo/semantics/openAccessDatos circularesGeoestadística no estacionariaKriging circularPulimento de medianasRedes neuronalesCircular krigingNonstationary geostatisticsNeural networksMedian polishDirectional datageoestadísticageostatisticsgeoprocesamientogeoprocessingred neuronal artificialartificial neural network