Aplicación de modelos de series temporales para la previsión de demanda y precios en una empresa de transporte internacional
Autoría
D.A.F.
Máster Universitario en Técnicas Estadísticas (2ªed)
D.A.F.
Máster Universitario en Técnicas Estadísticas (2ªed)
Fecha de la defensa
09.02.2026 12:30
09.02.2026 12:30
Resumen
Este Trabajo Fin de Máster presenta una metodología integral para la predicción de demanda logística en la empresa Trucksters, aplicando técnicas de modelización de series temporales. El objetivo principal es anticipar el volumen de envios en un mercado caracterizado por su alta volatilidad y dependencia de eventos especiales. La investigación se desarrolla bajo el abordaje comparativo entre la metodologia clásica ARIMA y los modelos Prophet, basados en los modelos aditivos generalizados, con el objetivo de determinar qué arquitectura captura con mayor precisión la complejidad de la demanda. Para tal fin, la estrategia de modelización se articula mediante una metodología dual: por una parte, se contrasta la utilidad de segméntación estratégica de clientes a través de clústeres y, por otra, se evalúa el rendimiento de los modelos sobre la base de datos original frente a una serie depurada de atípicos. Este análisis permite demostrar que el tratamiento previo de la información y la modelización desagregada logran reducir el ruido estadístico y mitigar el impacto de anomalías. Como resultado, se obtiene un marco predictivo más estable y robusto que optimiza la planificación operativa y la rentabilidad comercial de Trucksters.
Este Trabajo Fin de Máster presenta una metodología integral para la predicción de demanda logística en la empresa Trucksters, aplicando técnicas de modelización de series temporales. El objetivo principal es anticipar el volumen de envios en un mercado caracterizado por su alta volatilidad y dependencia de eventos especiales. La investigación se desarrolla bajo el abordaje comparativo entre la metodologia clásica ARIMA y los modelos Prophet, basados en los modelos aditivos generalizados, con el objetivo de determinar qué arquitectura captura con mayor precisión la complejidad de la demanda. Para tal fin, la estrategia de modelización se articula mediante una metodología dual: por una parte, se contrasta la utilidad de segméntación estratégica de clientes a través de clústeres y, por otra, se evalúa el rendimiento de los modelos sobre la base de datos original frente a una serie depurada de atípicos. Este análisis permite demostrar que el tratamiento previo de la información y la modelización desagregada logran reducir el ruido estadístico y mitigar el impacto de anomalías. Como resultado, se obtiene un marco predictivo más estable y robusto que optimiza la planificación operativa y la rentabilidad comercial de Trucksters.
Dirección
AMEIJEIRAS ALONSO, JOSE (Tutoría)
Ginzo Villamayor, María José Cotutoría
AMEIJEIRAS ALONSO, JOSE (Tutoría)
Ginzo Villamayor, María José Cotutoría
Tribunal
AMEIJEIRAS ALONSO, JOSE (Coordinador)
DE UÑA ALVAREZ, JACOBO (Presidente/a)
TARRIO SAAVEDRA, JAVIER (Secretario/a)
GONZALEZ DIAZ, JULIO (Vocal)
AMEIJEIRAS ALONSO, JOSE (Coordinador)
DE UÑA ALVAREZ, JACOBO (Presidente/a)
TARRIO SAAVEDRA, JAVIER (Secretario/a)
GONZALEZ DIAZ, JULIO (Vocal)
Aplicación de técnicas estadísticas para la reducción del tiempo de cómputo en simulaciones de sistemas fotovoltaicos
Autoría
A.B.A.
Máster Universitario en Técnicas Estadísticas (2ªed)
A.B.A.
Máster Universitario en Técnicas Estadísticas (2ªed)
Fecha de la defensa
06.02.2026 10:15
06.02.2026 10:15
Resumen
En este trabajo se aplican diferentes técnicas estadísticas para reducir el tiempo necesario para realizar simulaciones de sistemas fotovoltaicos. Un ejemplo de estas técnicas es la utilización de un algoritmo de aprendizaje automático no supervisado (clustering) para la agrupación de los datos de entrada con el objetivo de reducir su dimensionalidad. El objetivo es reducir lo máximo posible el tiempo necesario para llevar a cabo las simulaciones, manteniendo controlado el error que se comete al realizar las simplificaciones.
En este trabajo se aplican diferentes técnicas estadísticas para reducir el tiempo necesario para realizar simulaciones de sistemas fotovoltaicos. Un ejemplo de estas técnicas es la utilización de un algoritmo de aprendizaje automático no supervisado (clustering) para la agrupación de los datos de entrada con el objetivo de reducir su dimensionalidad. El objetivo es reducir lo máximo posible el tiempo necesario para llevar a cabo las simulaciones, manteniendo controlado el error que se comete al realizar las simplificaciones.
Dirección
GONZALEZ RODRIGUEZ, BRAIS (Tutoría)
GONZALEZ RODRIGUEZ, BRAIS (Tutoría)
Tribunal
AMEIJEIRAS ALONSO, JOSE (Coordinador)
Carpente Rodríguez, Maria luisa (Presidente/a)
SAAVEDRA NIEVES, PAULA (Secretario/a)
Mosquera Rodríguez, Manuel Alfredo (Vocal)
AMEIJEIRAS ALONSO, JOSE (Coordinador)
Carpente Rodríguez, Maria luisa (Presidente/a)
SAAVEDRA NIEVES, PAULA (Secretario/a)
Mosquera Rodríguez, Manuel Alfredo (Vocal)
Redes neuronales informadas por la física para la resolución de problemas de control óptimo en el ámbito industrial.
Autoría
M.D.L.H.R.
Máster Universitario en Matemática Industrial
M.D.L.H.R.
Máster Universitario en Matemática Industrial
Fecha de la defensa
05.02.2026 11:00
05.02.2026 11:00
Resumen
En este trabajo se estudia un problema de control óptimo aplicado a un sistema dinámico no lineal, combinando enfoques clásicos de control con métodos basados en redes neuronales. Se analiza el método fundamentado en el Principio del Mínimo de Pontryagin, que permite obtener trayectorias óptimas con gran precisión mediante un enfoque de bucle abierto. Su coste computacional es elevado cuando se requieren múltiples evaluaciones de estado. Asimismo, se discuten los métodos de control predictivo (MPC), que introducen realimentación a costa de un aumento adicional del coste computacional y de la complejidad algorítmica. Como principal aportación del trabajo, se propone un enfoque alternativo basado en la ecuación de Hamilton Jacobi Bellman (HJB), en el que la función valor se aproxima mediante una red neuronal informada por la física (PINN). La idea novedosa consiste en combinar, dentro del funcional de pérdida, el residuo de la ecuación HJB y las condiciones terminales del problema con datos procedentes de trayectorias óptimas obtenidas mediante el método de Pontryagin, todo ello enmarcado en el algoritmo de Howard (iteración de políticas). Esta estrategia híbrida permite mejorar de forma significativa la aproximación de la función valor y, de manera especialmente relevante, la de su gradiente, que constituye el elemento fundamental para la construcción de la ley de control óptimo en forma de realimentación. Los resultados numéricos muestran que la red entrenada con esta metodología reproduce con alta precisión las trayectorias óptimas, alcanzando errores relativos reducidos y una disminución sustancial de los tiempos de cálculo frente a los enfoques basados en Pontryagin y MPC, lo que posiciona al marco HJB PINN como una alternativa prometedora para el control óptimo en tiempo real y como base para futuras líneas de investigación orientadas a su generalización a familias más amplias de problemas de control.
En este trabajo se estudia un problema de control óptimo aplicado a un sistema dinámico no lineal, combinando enfoques clásicos de control con métodos basados en redes neuronales. Se analiza el método fundamentado en el Principio del Mínimo de Pontryagin, que permite obtener trayectorias óptimas con gran precisión mediante un enfoque de bucle abierto. Su coste computacional es elevado cuando se requieren múltiples evaluaciones de estado. Asimismo, se discuten los métodos de control predictivo (MPC), que introducen realimentación a costa de un aumento adicional del coste computacional y de la complejidad algorítmica. Como principal aportación del trabajo, se propone un enfoque alternativo basado en la ecuación de Hamilton Jacobi Bellman (HJB), en el que la función valor se aproxima mediante una red neuronal informada por la física (PINN). La idea novedosa consiste en combinar, dentro del funcional de pérdida, el residuo de la ecuación HJB y las condiciones terminales del problema con datos procedentes de trayectorias óptimas obtenidas mediante el método de Pontryagin, todo ello enmarcado en el algoritmo de Howard (iteración de políticas). Esta estrategia híbrida permite mejorar de forma significativa la aproximación de la función valor y, de manera especialmente relevante, la de su gradiente, que constituye el elemento fundamental para la construcción de la ley de control óptimo en forma de realimentación. Los resultados numéricos muestran que la red entrenada con esta metodología reproduce con alta precisión las trayectorias óptimas, alcanzando errores relativos reducidos y una disminución sustancial de los tiempos de cálculo frente a los enfoques basados en Pontryagin y MPC, lo que posiciona al marco HJB PINN como una alternativa prometedora para el control óptimo en tiempo real y como base para futuras líneas de investigación orientadas a su generalización a familias más amplias de problemas de control.
Dirección
RODRIGUEZ GARCIA, JERONIMO (Tutoría)
RODRIGUEZ GARCIA, JERONIMO (Tutoría)
Tribunal
VAZQUEZ CENDON, MARIA ELENA (Coordinador)
VIAÑO REY, JUAN MANUEL (Presidente/a)
Perales Perales, José Manuel (Secretario/a)
Lopez Bonilla, Luis Francisco (Vocal)
VAZQUEZ CENDON, MARIA ELENA (Coordinador)
VIAÑO REY, JUAN MANUEL (Presidente/a)
Perales Perales, José Manuel (Secretario/a)
Lopez Bonilla, Luis Francisco (Vocal)
Modelización, caracterización y optimización del rendimiento de sensores cuánticos de radiofrecuencia basados en átomos de Rydberg
Autoría
C.L.A.
Máster Universitario en Matemática Industrial
C.L.A.
Máster Universitario en Matemática Industrial
Fecha de la defensa
06.02.2026 10:30
06.02.2026 10:30
Resumen
El desarrollo de tecnologías cuánticas ha impulsado nuevas posibilidades en metrología de alta precisión, superando las limitaciones de las técnicas clásicas en términos de sensibilidad, resolución y perturbación del campo medido. En este trabajo se estudia y modela un sensor cuántico basado en átomos de Rydberg para la detección de campos eléctricos de radiofrecuencia. El principio de operación de estos sensores se basa en la técnica de Electromagnetically Induced Transparency, mediante la que se infiere la amplitud del campo eléctrico a partir de modificaciones observables en un espectro de absorción, en particular del desdoblamiento Autler-Townes inducido por el campo de radiofrecuencia. Se emplean modelos numéricos y analíticos para describir la dinámica del sistema en condiciones experimentales realistas. Mediante la integración de un modelo de ruido que incluye las especificaciones técnicas del hardware de detección, se analiza el espacio de parámetros para optimizar el rendimiento del sensor y se identifican los factores que limitan su resolución, alcanzando una sensibilidad de 1.6 mV por m por raíz de Hz para el canal de radiofrecuencia de 9.707 GHz. Este Proyecto de Fin de Máster representa una ruptura con la metodología convencional en la literatura de sensores de Rydberg, que tiende a presentar una desconexión crítica entre los modelos teóricos y los datos analizados. Se ha logrado que teoría y experimentación dialoguen de forma intrínseca, convirtiendo el marco teórico en una herramienta de decodificación activa para la optimización de sistemas de control y haciendo posible extraer información metrológica que permanecería oculta bajo un análisis convencional. Esto dota al sensor de nuevas capacidades para ser integrado en aplicaciones como radares mejorados por tecnología cuántica o detectores satelitales remotos. Los estudios presentados no solo consolidan la capacidad de los sensores cuánticos de Rydberg para operar con alta precisión y estabilidad, sino que proponen un marco de optimización y una interfaz de control predictivo basados en una solución analítica 30000 veces más rápida que los métodos numéricos estándar, facilitando su transición desde el laboratorio hacia aplicaciones reales en telecomunicaciones y defensa.
El desarrollo de tecnologías cuánticas ha impulsado nuevas posibilidades en metrología de alta precisión, superando las limitaciones de las técnicas clásicas en términos de sensibilidad, resolución y perturbación del campo medido. En este trabajo se estudia y modela un sensor cuántico basado en átomos de Rydberg para la detección de campos eléctricos de radiofrecuencia. El principio de operación de estos sensores se basa en la técnica de Electromagnetically Induced Transparency, mediante la que se infiere la amplitud del campo eléctrico a partir de modificaciones observables en un espectro de absorción, en particular del desdoblamiento Autler-Townes inducido por el campo de radiofrecuencia. Se emplean modelos numéricos y analíticos para describir la dinámica del sistema en condiciones experimentales realistas. Mediante la integración de un modelo de ruido que incluye las especificaciones técnicas del hardware de detección, se analiza el espacio de parámetros para optimizar el rendimiento del sensor y se identifican los factores que limitan su resolución, alcanzando una sensibilidad de 1.6 mV por m por raíz de Hz para el canal de radiofrecuencia de 9.707 GHz. Este Proyecto de Fin de Máster representa una ruptura con la metodología convencional en la literatura de sensores de Rydberg, que tiende a presentar una desconexión crítica entre los modelos teóricos y los datos analizados. Se ha logrado que teoría y experimentación dialoguen de forma intrínseca, convirtiendo el marco teórico en una herramienta de decodificación activa para la optimización de sistemas de control y haciendo posible extraer información metrológica que permanecería oculta bajo un análisis convencional. Esto dota al sensor de nuevas capacidades para ser integrado en aplicaciones como radares mejorados por tecnología cuántica o detectores satelitales remotos. Los estudios presentados no solo consolidan la capacidad de los sensores cuánticos de Rydberg para operar con alta precisión y estabilidad, sino que proponen un marco de optimización y una interfaz de control predictivo basados en una solución analítica 30000 veces más rápida que los métodos numéricos estándar, facilitando su transición desde el laboratorio hacia aplicaciones reales en telecomunicaciones y defensa.
Dirección
López Pouso, Óscar (Tutoría)
López Pouso, Óscar (Tutoría)
Tribunal
VAZQUEZ CENDON, MARIA ELENA (Coordinador)
Durany Castrillo, José (Presidente/a)
Sanchez Villaseñor, Eduardo Jesús (Secretario/a)
Rodríguez Seijo, José Manuel (Vocal)
VAZQUEZ CENDON, MARIA ELENA (Coordinador)
Durany Castrillo, José (Presidente/a)
Sanchez Villaseñor, Eduardo Jesús (Secretario/a)
Rodríguez Seijo, José Manuel (Vocal)
Optimización matemática en el ámbito de la transición energética
Autoría
P.L.L.
Máster Universitario en Técnicas Estadísticas (2ªed)
P.L.L.
Máster Universitario en Técnicas Estadísticas (2ªed)
Fecha de la defensa
06.02.2026 09:30
06.02.2026 09:30
Resumen
Este Trabajo de Fin de Máster, realizado bajo el convenio de colaboración entre el CITMAga y Repsol, se centra en la optimización de la compra de materias BIO para la producción de biocombustibles avanzados y otros combustibles fósiles de baja huella de carbono, ante el auge de exigencias marcadas por las nuevas normativas europeas en el ámbito de la transición energética. El núcleo del trabajo es la modelización e integración de la planta C43 en el problema general de optimización. La memoria detalla la transición desde la formulación matemática de restricciones y propiedades de optimización de elementos de la planta de biocombustibles C43 hacia su implementación técnica en un entorno industrial. Para ello, se presenta una simplificación funcional del modelo global que, manteniendo el rigor lógico, permite un análisis profundo de la planta C43 sin la complejidad inabarcable del sistema completo. El desarrollo integra aspectos teóricos característicos de los problemas de optimización con tareas prácticas de ingeniería de datos, abarcando el desarrollo de código fuente, la gestión de bases de datos y la visualización de resultados. A partir de la experiencia adquirida durante la inmersión profesional en el transcurso del período de prácticas, el proyecto evalúa las nuevas funcionalidades añadidas al modelo y analiza las limitaciones técnicas aún presentes. Finalmente, se proponen alternativas y futuras líneas de desarrollo que aseguren la operatividad y eficacia de la herramienta en el contexto actual de sostenibilidad.
Este Trabajo de Fin de Máster, realizado bajo el convenio de colaboración entre el CITMAga y Repsol, se centra en la optimización de la compra de materias BIO para la producción de biocombustibles avanzados y otros combustibles fósiles de baja huella de carbono, ante el auge de exigencias marcadas por las nuevas normativas europeas en el ámbito de la transición energética. El núcleo del trabajo es la modelización e integración de la planta C43 en el problema general de optimización. La memoria detalla la transición desde la formulación matemática de restricciones y propiedades de optimización de elementos de la planta de biocombustibles C43 hacia su implementación técnica en un entorno industrial. Para ello, se presenta una simplificación funcional del modelo global que, manteniendo el rigor lógico, permite un análisis profundo de la planta C43 sin la complejidad inabarcable del sistema completo. El desarrollo integra aspectos teóricos característicos de los problemas de optimización con tareas prácticas de ingeniería de datos, abarcando el desarrollo de código fuente, la gestión de bases de datos y la visualización de resultados. A partir de la experiencia adquirida durante la inmersión profesional en el transcurso del período de prácticas, el proyecto evalúa las nuevas funcionalidades añadidas al modelo y analiza las limitaciones técnicas aún presentes. Finalmente, se proponen alternativas y futuras líneas de desarrollo que aseguren la operatividad y eficacia de la herramienta en el contexto actual de sostenibilidad.
Dirección
GONZALEZ DIAZ, JULIO (Tutoría)
GONZALEZ RODRIGUEZ, BRAIS Cotutoría
GONZALEZ DIAZ, JULIO (Tutoría)
GONZALEZ RODRIGUEZ, BRAIS Cotutoría
Tribunal
AMEIJEIRAS ALONSO, JOSE (Coordinador)
Carpente Rodríguez, Maria luisa (Presidente/a)
SAAVEDRA NIEVES, PAULA (Secretario/a)
Mosquera Rodríguez, Manuel Alfredo (Vocal)
AMEIJEIRAS ALONSO, JOSE (Coordinador)
Carpente Rodríguez, Maria luisa (Presidente/a)
SAAVEDRA NIEVES, PAULA (Secretario/a)
Mosquera Rodríguez, Manuel Alfredo (Vocal)
Aprendizaje Profundo Topológico
Autoría
S.M.J.
Máster Universitario en Matemáticas
S.M.J.
Máster Universitario en Matemáticas
Fecha de la defensa
09.02.2026 11:00
09.02.2026 11:00
Resumen
En este trabajo se estudia el marco teórico de los complejos combinatorios, un dominio topológico de orden superior introducido como una generalización de grafos, complejos simpliciales, complejos celulares e hipergrafos. Sobre estos dominios se definen espacios de cocadenas que sirven como soporte para los datos, así como operadores que permiten transformar información entre células de distintas dimensiones. A partir de esta estructura, se analizan redes neuronales sobre complejos combinatorios (CCNNs), construidas mediante operadores tensoriales elementales y representables a través de diagramas tensoriales. Asimismo, se presenta un paradigma de paso de mensajes sobre complejos combinatorios generalizando a los definidos en la literatura. Finalmente, se demuestra que los cálculos realizados por una CCNN pueden reducirse a esquemas de paso de mensajes sobre grafos. Nos basaremos en el artículo: Mustafa Hajij et alt, Topological Deep Learning: Going Beyond Graph Data, arXiv:2206.00606, 2023.
En este trabajo se estudia el marco teórico de los complejos combinatorios, un dominio topológico de orden superior introducido como una generalización de grafos, complejos simpliciales, complejos celulares e hipergrafos. Sobre estos dominios se definen espacios de cocadenas que sirven como soporte para los datos, así como operadores que permiten transformar información entre células de distintas dimensiones. A partir de esta estructura, se analizan redes neuronales sobre complejos combinatorios (CCNNs), construidas mediante operadores tensoriales elementales y representables a través de diagramas tensoriales. Asimismo, se presenta un paradigma de paso de mensajes sobre complejos combinatorios generalizando a los definidos en la literatura. Finalmente, se demuestra que los cálculos realizados por una CCNN pueden reducirse a esquemas de paso de mensajes sobre grafos. Nos basaremos en el artículo: Mustafa Hajij et alt, Topological Deep Learning: Going Beyond Graph Data, arXiv:2206.00606, 2023.
Dirección
Gómez Tato, Antonio M. (Tutoría)
Gómez Tato, Antonio M. (Tutoría)
Tribunal
FERNANDEZ TOJO, FERNANDO ADRIAN (Coordinador)
LADRA GONZALEZ, MANUEL EULOGIO (Presidente/a)
FERNANDEZ TOJO, FERNANDO ADRIAN (Secretario/a)
GARCIA RIO, EDUARDO (Vocal)
FERNANDEZ TOJO, FERNANDO ADRIAN (Coordinador)
LADRA GONZALEZ, MANUEL EULOGIO (Presidente/a)
FERNANDEZ TOJO, FERNANDO ADRIAN (Secretario/a)
GARCIA RIO, EDUARDO (Vocal)
Métodos conservativos para problemas de ondas y de electromagnetismo basados en un complejo dual con splines
Autoría
A.P.D.V.R.
Máster Universitario en Matemática Industrial
A.P.D.V.R.
Máster Universitario en Matemática Industrial
Fecha de la defensa
02.02.2026 11:00
02.02.2026 11:00
Resumen
Los métodos isogeométricos constituyen una subclase de los métodos de Galerkin en los que se emplean funciones basadas en splines para discretizar los espacios funcionales de interés. Una ventaja destacada de este enfoque reside en la construcción natural de espacios discretos que conforman la secuencia de de Rham, una propiedad estructural fundamental requerida en múltiples modelos matemáticos. Este requisito es particularmente importante en problemas de propagación de ondas, como el problema de acústica lineal y las ecuaciones de Maxwell, donde surgen dos secuencias de de Rham (usualmente denominadas secuencias primal y dual) que deben ser aproximadas de manera consistente y precisa. Este documento está dedicado al estudio de los métodos isogeométricos aplicados a problemas de ondas, con un énfasis particular en aplicaciones electromagnéticas. El trabajo comienza con una revisión exhaustiva de la literatura existente, que establece el marco teórico y contextualiza la contribución de esta investigación. Sobre esta base, el documento desarrolla posteriormente nuevos resultados teóricos y computacionales que avanzan el actual estado del arte.
Los métodos isogeométricos constituyen una subclase de los métodos de Galerkin en los que se emplean funciones basadas en splines para discretizar los espacios funcionales de interés. Una ventaja destacada de este enfoque reside en la construcción natural de espacios discretos que conforman la secuencia de de Rham, una propiedad estructural fundamental requerida en múltiples modelos matemáticos. Este requisito es particularmente importante en problemas de propagación de ondas, como el problema de acústica lineal y las ecuaciones de Maxwell, donde surgen dos secuencias de de Rham (usualmente denominadas secuencias primal y dual) que deben ser aproximadas de manera consistente y precisa. Este documento está dedicado al estudio de los métodos isogeométricos aplicados a problemas de ondas, con un énfasis particular en aplicaciones electromagnéticas. El trabajo comienza con una revisión exhaustiva de la literatura existente, que establece el marco teórico y contextualiza la contribución de esta investigación. Sobre esta base, el documento desarrolla posteriormente nuevos resultados teóricos y computacionales que avanzan el actual estado del arte.
Dirección
VAZQUEZ HERNANDEZ, RAFAEL (Tutoría)
VAZQUEZ HERNANDEZ, RAFAEL (Tutoría)
Tribunal
VAZQUEZ CENDON, MARIA ELENA (Coordinador)
ARREGUI ALVAREZ, IÑIGO (Presidente/a)
Porter , Jeff (Secretario/a)
FERNANDEZ FERNANDEZ, FRANCISCO JAVIER (Vocal)
VAZQUEZ CENDON, MARIA ELENA (Coordinador)
ARREGUI ALVAREZ, IÑIGO (Presidente/a)
Porter , Jeff (Secretario/a)
FERNANDEZ FERNANDEZ, FRANCISCO JAVIER (Vocal)
Seguimiento de los Residuos Marinos en el Noroeste de España: Evaluación de la Influencia del Viento con un Modelo de Transporte Lagrangiano
Autoría
M.R.O.
Máster Universitario en Matemática Industrial
M.R.O.
Máster Universitario en Matemática Industrial
Fecha de la defensa
02.02.2026 12:30
02.02.2026 12:30
Resumen
Los residuos marinos son responsables de grandes problemas en nuestros océanos, causando una severa degradación medioambiental, perjudicando la salud y provocando pérdidas económicas en los sectores relacionados con el entorno marino. En este trabajo, se examina cómo las emisiones desde el río Ulla afectan al transporte, acumulación y llegada a la costa de partículas flotantes en la Ría de Arousa, en el noroeste de la Península Ibérica, como resultado de la influencia del viento. Empleando simulaciones lagrangianas de seguimiento de partículas bajo distintos coeficientes de arrastre del viento (1%, 3% y 5%), evaluamos los patrones espaciales y estacionales de la concentración de partículas en la región de estudio, los tiempos de residencia y la deposición en la costa. Los resultados obtenidos muestran que el viento desempeña un papel crucial modificando el comportamiento de las partículas. En condiciones de baja influencia del viento, se favorece la acumulación cerca de la costa y tiempos de residencia más largos, especialmente notables en las zonas norte e interna de la ría. Al incrementar la influencia del viento, la dispersión de partículas se intensifica, conduciendo globalmente a una mayor acumulación en el litoral de la ría. Las variaciones estacionales también fueron estudiadas, observándose mayores concentraciones en el norte en invierno y en el sur en verano.
Los residuos marinos son responsables de grandes problemas en nuestros océanos, causando una severa degradación medioambiental, perjudicando la salud y provocando pérdidas económicas en los sectores relacionados con el entorno marino. En este trabajo, se examina cómo las emisiones desde el río Ulla afectan al transporte, acumulación y llegada a la costa de partículas flotantes en la Ría de Arousa, en el noroeste de la Península Ibérica, como resultado de la influencia del viento. Empleando simulaciones lagrangianas de seguimiento de partículas bajo distintos coeficientes de arrastre del viento (1%, 3% y 5%), evaluamos los patrones espaciales y estacionales de la concentración de partículas en la región de estudio, los tiempos de residencia y la deposición en la costa. Los resultados obtenidos muestran que el viento desempeña un papel crucial modificando el comportamiento de las partículas. En condiciones de baja influencia del viento, se favorece la acumulación cerca de la costa y tiempos de residencia más largos, especialmente notables en las zonas norte e interna de la ría. Al incrementar la influencia del viento, la dispersión de partículas se intensifica, conduciendo globalmente a una mayor acumulación en el litoral de la ría. Las variaciones estacionales también fueron estudiadas, observándose mayores concentraciones en el norte en invierno y en el sur en verano.
Dirección
VAZQUEZ CENDON, MARIA ELENA (Tutoría)
VAZQUEZ CENDON, MARIA ELENA (Tutoría)
Tribunal
VAZQUEZ CENDON, MARIA ELENA (Coordinador)
ARREGUI ALVAREZ, IÑIGO (Presidente/a)
Varas Mérida, Fernando (Secretario/a)
FERNANDEZ FERNANDEZ, FRANCISCO JAVIER (Vocal)
VAZQUEZ CENDON, MARIA ELENA (Coordinador)
ARREGUI ALVAREZ, IÑIGO (Presidente/a)
Varas Mérida, Fernando (Secretario/a)
FERNANDEZ FERNANDEZ, FRANCISCO JAVIER (Vocal)
Selección de modelos y predicción conformal para un pronóstico fiable del consumo eléctrico
Autoría
N.R.G.
Máster Universitario en Matemática Industrial
N.R.G.
Máster Universitario en Matemática Industrial
Fecha de la defensa
05.02.2026 11:30
05.02.2026 11:30
Resumen
Este trabajo propone un pipeline desplegable para la predicción probabilística de series horarias de consumo eléctrico, usando variables exógenas estándar como la temperatura y variables de calendario, y buscando generalizar en entornos de consumo heterogéneos sin reentrenar para cada caso. Para manejar la no estacionariedad, se añade una capa de selección de modelos en línea en un marco de “expert advice”, donde cada experto corresponde a una configuración fija de hiperparámetros. Se implementan Follow the Leader con ventana deslizante de evaluación y Hedge con pesos exponenciales, y se comparan con métricas operativas como MSE, NLL y CRPS; en conjunto, FTL con una ventana de 30 días suele ser la estrategia con mejor rendimiento entre las opciones implementables. Sobre el pronóstico probabilístico base (distribuciones predictivas gaussianas), se añade predicción conformal para obtener intervalos de predicción más fiables. La calibración se realiza por grupos de contexto, comparando un enfoque heurístico por grupos actualizado mediante una recursión de Robbins Monro y una conformalización asimétrica basada en ventana inspirada en métodos conformales para series temporales; empíricamente, la conformalización mitiga la subcobertura sistemática de las bandas gaussianas nominales y mejora la fiabilidad entre contextos. En conjunto, los experimentos apoyan que combinar adaptación en línea (selección/ponderación de expertos) con calibración conformal es una vía práctica hacia una predicción robusta de la incertidumbre a escala.
Este trabajo propone un pipeline desplegable para la predicción probabilística de series horarias de consumo eléctrico, usando variables exógenas estándar como la temperatura y variables de calendario, y buscando generalizar en entornos de consumo heterogéneos sin reentrenar para cada caso. Para manejar la no estacionariedad, se añade una capa de selección de modelos en línea en un marco de “expert advice”, donde cada experto corresponde a una configuración fija de hiperparámetros. Se implementan Follow the Leader con ventana deslizante de evaluación y Hedge con pesos exponenciales, y se comparan con métricas operativas como MSE, NLL y CRPS; en conjunto, FTL con una ventana de 30 días suele ser la estrategia con mejor rendimiento entre las opciones implementables. Sobre el pronóstico probabilístico base (distribuciones predictivas gaussianas), se añade predicción conformal para obtener intervalos de predicción más fiables. La calibración se realiza por grupos de contexto, comparando un enfoque heurístico por grupos actualizado mediante una recursión de Robbins Monro y una conformalización asimétrica basada en ventana inspirada en métodos conformales para series temporales; empíricamente, la conformalización mitiga la subcobertura sistemática de las bandas gaussianas nominales y mejora la fiabilidad entre contextos. En conjunto, los experimentos apoyan que combinar adaptación en línea (selección/ponderación de expertos) con calibración conformal es una vía práctica hacia una predicción robusta de la incertidumbre a escala.
Dirección
Rapún Banzo, Mª Luisa (Tutoría)
Rapún Banzo, Mª Luisa (Tutoría)
Tribunal
VAZQUEZ CENDON, MARIA ELENA (Coordinador)
VIAÑO REY, JUAN MANUEL (Presidente/a)
Perales Perales, José Manuel (Secretario/a)
Lopez Bonilla, Luis Francisco (Vocal)
VAZQUEZ CENDON, MARIA ELENA (Coordinador)
VIAÑO REY, JUAN MANUEL (Presidente/a)
Perales Perales, José Manuel (Secretario/a)
Lopez Bonilla, Luis Francisco (Vocal)
Análisis Hemodinámico del Cayado Aórtico mediante Técnicas CFD
Autoría
R.R.L.
Máster Universitario en Matemática Industrial
R.R.L.
Máster Universitario en Matemática Industrial
Fecha de la defensa
02.02.2026 12:00
02.02.2026 12:00
Resumen
Los accidentes cerebrovasculares (ACV), comúnmente conocidos como ictus, constituyen una de las principales causas de mortalidad a nivel global. En el caso de los ictus isquémicos de origen embólico desconocido (ESUS), se ha propuesto recientemente como causa potencial la embolización de fragmentos de placa aterosclerótica localizados en la arteria aorta, transportados en sentido inverso por el flujo retrógrado diastólico. En este contexto, se ha desarrollado en este Proyecto de Fin de Máster un modelo computacional de la aorta que integra métodos de dinámica de fluidos computacional (CFD) y mecánica de sólidos en un modelo de interacción fluido estructura (FSI), junto con una aproximación lagrangiana para el seguimiento intravascular de partículas con propiedades físicas representativas de émbolos humanos. El análisis de la dinámica del flujo sanguíneo en varias configuraciones geométricas idealizadas ha confirmado la existencia de flujo retrógrado diastólico capaz de transportar dichas partículas en sentido inverso y redirigirlas hacia las principales ramas de la aorta que irrigan el cerebro.
Los accidentes cerebrovasculares (ACV), comúnmente conocidos como ictus, constituyen una de las principales causas de mortalidad a nivel global. En el caso de los ictus isquémicos de origen embólico desconocido (ESUS), se ha propuesto recientemente como causa potencial la embolización de fragmentos de placa aterosclerótica localizados en la arteria aorta, transportados en sentido inverso por el flujo retrógrado diastólico. En este contexto, se ha desarrollado en este Proyecto de Fin de Máster un modelo computacional de la aorta que integra métodos de dinámica de fluidos computacional (CFD) y mecánica de sólidos en un modelo de interacción fluido estructura (FSI), junto con una aproximación lagrangiana para el seguimiento intravascular de partículas con propiedades físicas representativas de émbolos humanos. El análisis de la dinámica del flujo sanguíneo en varias configuraciones geométricas idealizadas ha confirmado la existencia de flujo retrógrado diastólico capaz de transportar dichas partículas en sentido inverso y redirigirlas hacia las principales ramas de la aorta que irrigan el cerebro.
Dirección
VAZQUEZ CENDON, MARIA ELENA (Tutoría)
VAZQUEZ CENDON, MARIA ELENA (Tutoría)
Tribunal
VAZQUEZ CENDON, MARIA ELENA (Coordinador)
ARREGUI ALVAREZ, IÑIGO (Presidente/a)
Porter , Jeff (Secretario/a)
FERNANDEZ FERNANDEZ, FRANCISCO JAVIER (Vocal)
VAZQUEZ CENDON, MARIA ELENA (Coordinador)
ARREGUI ALVAREZ, IÑIGO (Presidente/a)
Porter , Jeff (Secretario/a)
FERNANDEZ FERNANDEZ, FRANCISCO JAVIER (Vocal)
Clusterizazión de Establecimientos y Aplicaciones al Negocio
Autoría
M.S.C.
Máster Universitario en Técnicas Estadísticas (2ªed)
M.S.C.
Máster Universitario en Técnicas Estadísticas (2ªed)
Fecha de la defensa
09.02.2026 11:45
09.02.2026 11:45
Resumen
El presente trabajo presenta una solución analítica para la segmentación de los locales del canal HORECA de la empresa Hijos de Rivera S.A.U. Para ello, se emplean datos de ventas, el catálogo de productos y un censo donde están recogidos todos los locales de España. Tras un exhaustivo proceso de limpieza y de tratamiento de datos, se selecionó el algoritmo CLARA para gestionar debidamente la alta dimensionalidad y la presencia de datos atípicos. Finalmente, se segmentó el canal HORECA en 17 clusters fácilmente interpretables. Los resultados se traducen en estrategias de negocio tangibles: un modelo de movilidad para elevar la categoría de los clientes actuales y un sistema de recomendación para la captación eficiente de nuevos locales en zonas clave.
El presente trabajo presenta una solución analítica para la segmentación de los locales del canal HORECA de la empresa Hijos de Rivera S.A.U. Para ello, se emplean datos de ventas, el catálogo de productos y un censo donde están recogidos todos los locales de España. Tras un exhaustivo proceso de limpieza y de tratamiento de datos, se selecionó el algoritmo CLARA para gestionar debidamente la alta dimensionalidad y la presencia de datos atípicos. Finalmente, se segmentó el canal HORECA en 17 clusters fácilmente interpretables. Los resultados se traducen en estrategias de negocio tangibles: un modelo de movilidad para elevar la categoría de los clientes actuales y un sistema de recomendación para la captación eficiente de nuevos locales en zonas clave.
Dirección
AMEIJEIRAS ALONSO, JOSE (Tutoría)
AMEIJEIRAS ALONSO, JOSE (Tutoría)
Tribunal
AMEIJEIRAS ALONSO, JOSE (Coordinador)
DE UÑA ALVAREZ, JACOBO (Presidente/a)
TARRIO SAAVEDRA, JAVIER (Secretario/a)
GONZALEZ DIAZ, JULIO (Vocal)
AMEIJEIRAS ALONSO, JOSE (Coordinador)
DE UÑA ALVAREZ, JACOBO (Presidente/a)
TARRIO SAAVEDRA, JAVIER (Secretario/a)
GONZALEZ DIAZ, JULIO (Vocal)