Cuevas Cordero, AharonSalamanca Castillo, Axel Nicolás2025-04-102025-04-102025https://repositorio.udec.cl/handle/11594/12463Tesis presentada para optar al titulo de Ingeniero GeomáticoEl uso de series de tiempo GPS para estudios de diferentes fenómenos, se ve condicionado debido a la presencia de discontinuidades y a la ausencia de datos en los registros, provocados principalmente por fenómenos físicos, tales como, cargas hidrológicas y mareas terrestres, pero también, por causas relacionadas con el sistema de adquisición de datos, tales como, cambios de antenas de los receptores y fallas en los dispositivos de almacenamiento. Debido a la naturaleza estocástica de estos fenómenos, los enfoques tradicionales para el modelamiento de series temporales GPS no logran exitosamente su propósito. Así, en el presente estudio se evalúa el uso del algoritmo Long Short-Term Memory (LSTM) para modelar series temporales GPS, con el propósito de completar datos faltantes de los registros, debido a la capacidad del algoritmo de conservar información relevante a lo largo de la secuencia recibida, y de esta manera permitiendo predicciones a largo plazo. Se diseñaron diferentes estrategias para modelar series y se evaluaron utilizando un conjunto de estaciones de medición continua GPS de Brasil. Para el entrenamiento de los modelos, se utilizaron como entrada datos de carga hidrológica, movimiento del polo, temperatura superficial, presión atmosférica, y efemérides del sol y la luna. Los resultados muestran errores de validación de RMSE=5𝑚𝑚, MAE=4𝑚𝑚 y un R² = 0.85 en la componente up. Por otra parte, utilizando el mecanismo de atención Feed Forward Attention Mechanism (FFAM) como capa complementaria de los modelos LSTM, los rendimientos incrementan en un 0,6% en el RMSE al utilizarse en un modelo regresor, siendo este poco significativo en modelos simples. Es importante destacar que la calidad de los modelos obtenidos está condicionada a la cantidad de registros disponibles ii de la serie temporal, como también el comportamiento de esta, donde los saltos y ruido no debidamente tratados incurren en modelos con alto error.CC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 InternationalThesisAcción CLIMÁTICA