Varela Carlos, EnriqueSalazar Ibargüen, Humberto A.VARELA CARLOS, ENRIQUE; 160213Garmendia Fuentes, Víctor Aldair2025-11-122025-11-122025-05https://hdl.handle.net/20.500.12371/30379"En este trabajo se implementa un enfoque basado en modelos de series de tiempo utilizando técnicas de aprendizaje automático (Machine Learning, ML) para la predicción de la exposición acumulada en años futuros. A partir de estas proyecciones, se propone la estimación extendida del espectro de energía de los rayos cósmicos. Este estudio se centra en datos recopilados por el detector de superficie del Observatorio Pierre Auger durante el período 2004-2023. Se espera que esta metodología proporcione un enfoque más sencillo en la resolución del espectro, así como una capacidad mejorada para la extrapolación. Además, este trabajo busca sentar una base sólida para la integración de modelos predictivos basados en ML dentro del análisis científico de rayos cósmicos, como complemento a los enfoques tradicionales sustentados en simulaciones".pdfspaCIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRAFísica--Física de la radiación (general)--Física de los rayos cósmicos--ObservacionesMatemáticas--Estadística matemática--Análisis de series temporalesRayos cósmicos--MediciónAnálisis de series de tiempo--Procesamiento de datosAprendizaje automático (Inteligencia artificial)Tesis de licenciaturaopenAccess