Redes neuronales artificiales como herramienta para la corrección del sesgo de la precipitación mensual estimada por satélite en la Intercuenca Alto Huallaga

Descripción del Articulo

En la investigación se obtienen modelos metaheurísticos basados en redes neuronales artificiales para la corrección de la precipitación mensual estimada por los satélites TRMM (producto 3B43V7) y GPM (producto 3IMERGV05), en la cuenca aguas arriba de la Estación Hidrométrica San Rafael, ubicada dent...

Descripción completa

Detalles Bibliográficos
Autor: Palacios Paytan, Grover Giovanni
Formato: tesis de grado
Fecha de Publicación:2022
Institución:Universidad Nacional Daniel Alcides Carrión
Repositorio:UNDAC-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.undac.edu.pe:undac/2450
Enlace del recurso:http://repositorio.undac.edu.pe/handle/undac/2450
Nivel de acceso:acceso abierto
Materia:Redes neuronales artificiales
Precipitación mensual
Intercuenca Alto Huallaga.
Ingeniería civil
id RUND_bff592ccd0f6ad4b9abdff671742c877
oai_identifier_str oai:repositorio.undac.edu.pe:undac/2450
network_acronym_str RUND
network_name_str UNDAC-Institucional
repository_id_str .
dc.title.es_ES.fl_str_mv Redes neuronales artificiales como herramienta para la corrección del sesgo de la precipitación mensual estimada por satélite en la Intercuenca Alto Huallaga
title Redes neuronales artificiales como herramienta para la corrección del sesgo de la precipitación mensual estimada por satélite en la Intercuenca Alto Huallaga
spellingShingle Redes neuronales artificiales como herramienta para la corrección del sesgo de la precipitación mensual estimada por satélite en la Intercuenca Alto Huallaga
Palacios Paytan, Grover Giovanni
Redes neuronales artificiales
Precipitación mensual
Intercuenca Alto Huallaga.
Ingeniería civil
title_short Redes neuronales artificiales como herramienta para la corrección del sesgo de la precipitación mensual estimada por satélite en la Intercuenca Alto Huallaga
title_full Redes neuronales artificiales como herramienta para la corrección del sesgo de la precipitación mensual estimada por satélite en la Intercuenca Alto Huallaga
title_fullStr Redes neuronales artificiales como herramienta para la corrección del sesgo de la precipitación mensual estimada por satélite en la Intercuenca Alto Huallaga
title_full_unstemmed Redes neuronales artificiales como herramienta para la corrección del sesgo de la precipitación mensual estimada por satélite en la Intercuenca Alto Huallaga
title_sort Redes neuronales artificiales como herramienta para la corrección del sesgo de la precipitación mensual estimada por satélite en la Intercuenca Alto Huallaga
author Palacios Paytan, Grover Giovanni
author_facet Palacios Paytan, Grover Giovanni
author_role author
dc.contributor.email.es_ES.fl_str_mv gio_55_p@hotmail.com
dc.contributor.advisor.fl_str_mv Marcelo Ames, Julio Alejandro
dc.contributor.author.fl_str_mv Palacios Paytan, Grover Giovanni
dc.subject.es_ES.fl_str_mv Redes neuronales artificiales
Precipitación mensual
Intercuenca Alto Huallaga.
topic Redes neuronales artificiales
Precipitación mensual
Intercuenca Alto Huallaga.
Ingeniería civil
dc.subject.ocde.es_ES.fl_str_mv Ingeniería civil
description En la investigación se obtienen modelos metaheurísticos basados en redes neuronales artificiales para la corrección de la precipitación mensual estimada por los satélites TRMM (producto 3B43V7) y GPM (producto 3IMERGV05), en la cuenca aguas arriba de la Estación Hidrométrica San Rafael, ubicada dentro de la Intercuenca Alto Huallaga. Para el análisis se utilizó información del SENAMHI de 3 estaciones meteorológicas (Cerro de Pasco, Yanahuanca y San Rafael), con sus correspondientes estaciones virtuales TRMM y GPM. Se evalúa la calidad de la precipitación satelital antes y después de la corrección con los modelos propuestos mediante estimadores de bondad de ajuste y se da una mayor relevancia al coeficiente de Nash-Sutcliffe debido a su amplio uso en hidrología. Los resultados indican que se obtienen mejoras en todos los indicadores de bondad de ajuste empleados, es así que para el satélite TRMM a nivel puntual el coeficiente de Nash para la Estación Cerro de Pasco pasa de 0.57 a 0.71, para la Estación Yanahuanca pasa de 0.55 a 0.66, para la Estación San Rafael pasa de 0.09 a 0.70 y a nivel areal pasa de 0.56 a 0.75; para el satélite GPM a nivel puntual el coeficiente de Nash para la Estación Cerro de Pasco pasa de 0.44 a 0.81, para la Estación Yanahuanca pasa de 0.56 a 0.92, para la Estación San Rafael pasa de -0.13 a 0.73 y a nivel areal pasa de 0.47 a 0.81. Se concluye que los modelos propuestos mejoran la calidad de la precipitación satelital a valores adecuados para su uso.
publishDate 2022
dc.date.accessioned.none.fl_str_mv 2022-03-03T05:10:11Z
dc.date.available.none.fl_str_mv 2022-03-03T05:10:11Z
dc.date.issued.fl_str_mv 2022-01-28
dc.type.es_ES.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv http://repositorio.undac.edu.pe/handle/undac/2450
url http://repositorio.undac.edu.pe/handle/undac/2450
dc.language.iso.es_ES.fl_str_mv spa
language spa
dc.relation.es_ES.fl_str_mv info:pe-repo/semantics/dataset
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_ES.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_ES.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.es_ES.fl_str_mv application/pdf
dc.publisher.es_ES.fl_str_mv Universidad Nacional Daniel Alcides Carrión
dc.source.es_ES.fl_str_mv Universidad Nacional Daniel Alcides Carrión
Repositorio Institucional - UNDAC
dc.source.none.fl_str_mv reponame:UNDAC-Institucional
instname:Universidad Nacional Daniel Alcides Carrión
instacron:UNDAC
instname_str Universidad Nacional Daniel Alcides Carrión
instacron_str UNDAC
institution UNDAC
reponame_str UNDAC-Institucional
collection UNDAC-Institucional
bitstream.url.fl_str_mv http://repositorio.undac.edu.pe/bitstream/undac/2450/3/T026_41958403_T.pdf.txt
http://repositorio.undac.edu.pe/bitstream/undac/2450/2/license.txt
http://repositorio.undac.edu.pe/bitstream/undac/2450/1/T026_41958403_T.pdf
bitstream.checksum.fl_str_mv d3ee5a9297acfa33847114d1d5ef623c
8a4605be74aa9ea9d79846c1fba20a33
b887fe1454c16278bd13dbc0a877d1d9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional UNDAC
repository.mail.fl_str_mv repositorio@undac.edu.pe
_version_ 1847340679555973120
spelling Marcelo Ames, Julio AlejandroPalacios Paytan, Grover Giovannigio_55_p@hotmail.com2022-03-03T05:10:11Z2022-03-03T05:10:11Z2022-01-28http://repositorio.undac.edu.pe/handle/undac/2450En la investigación se obtienen modelos metaheurísticos basados en redes neuronales artificiales para la corrección de la precipitación mensual estimada por los satélites TRMM (producto 3B43V7) y GPM (producto 3IMERGV05), en la cuenca aguas arriba de la Estación Hidrométrica San Rafael, ubicada dentro de la Intercuenca Alto Huallaga. Para el análisis se utilizó información del SENAMHI de 3 estaciones meteorológicas (Cerro de Pasco, Yanahuanca y San Rafael), con sus correspondientes estaciones virtuales TRMM y GPM. Se evalúa la calidad de la precipitación satelital antes y después de la corrección con los modelos propuestos mediante estimadores de bondad de ajuste y se da una mayor relevancia al coeficiente de Nash-Sutcliffe debido a su amplio uso en hidrología. Los resultados indican que se obtienen mejoras en todos los indicadores de bondad de ajuste empleados, es así que para el satélite TRMM a nivel puntual el coeficiente de Nash para la Estación Cerro de Pasco pasa de 0.57 a 0.71, para la Estación Yanahuanca pasa de 0.55 a 0.66, para la Estación San Rafael pasa de 0.09 a 0.70 y a nivel areal pasa de 0.56 a 0.75; para el satélite GPM a nivel puntual el coeficiente de Nash para la Estación Cerro de Pasco pasa de 0.44 a 0.81, para la Estación Yanahuanca pasa de 0.56 a 0.92, para la Estación San Rafael pasa de -0.13 a 0.73 y a nivel areal pasa de 0.47 a 0.81. Se concluye que los modelos propuestos mejoran la calidad de la precipitación satelital a valores adecuados para su uso.Submitted by ATENCIO SANCHEZ Anibal Renan (aatencios@undac.edu.pe) on 2022-03-03T05:10:11Z No. of bitstreams: 1 T026_41958403_T.pdf: 11944317 bytes, checksum: b887fe1454c16278bd13dbc0a877d1d9 (MD5)Made available in DSpace on 2022-03-03T05:10:11Z (GMT). No. of bitstreams: 1 T026_41958403_T.pdf: 11944317 bytes, checksum: b887fe1454c16278bd13dbc0a877d1d9 (MD5) Previous issue date: 2022-01-28Tesisapplication/pdfspaUniversidad Nacional Daniel Alcides Carrióninfo:pe-repo/semantics/datasetSUNEDUinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional Daniel Alcides CarriónRepositorio Institucional - UNDACreponame:UNDAC-Institucionalinstname:Universidad Nacional Daniel Alcides Carrióninstacron:UNDACRedes neuronales artificialesPrecipitación mensualIntercuenca Alto Huallaga.Ingeniería civilRedes neuronales artificiales como herramienta para la corrección del sesgo de la precipitación mensual estimada por satélite en la Intercuenca Alto Huallagainfo:eu-repo/semantics/bachelorThesisUniversidad Nacional Daniel Alcides Carrión. Facultad de IngenieríaTítulo ProfesionalEscuela de Formación Profesional de Ingeniería CivilTEXTT026_41958403_T.pdf.txtT026_41958403_T.pdf.txtExtracted texttext/plain329366http://repositorio.undac.edu.pe/bitstream/undac/2450/3/T026_41958403_T.pdf.txtd3ee5a9297acfa33847114d1d5ef623cMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.undac.edu.pe/bitstream/undac/2450/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALT026_41958403_T.pdfT026_41958403_T.pdfapplication/pdf11944317http://repositorio.undac.edu.pe/bitstream/undac/2450/1/T026_41958403_T.pdfb887fe1454c16278bd13dbc0a877d1d9MD51undac/2450oai:repositorio.undac.edu.pe:undac/24502022-03-03 03:00:07.541Repositorio Institucional UNDACrepositorio@undac.edu.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
score 12.597777
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).