Generación de caudales mensuales mediante redes neuronales artificiales a partir de precipitaciones mensuales en la sub cuenca Querococha, Recuay - 2017
Descripción del Articulo
El objetivo principal de la investigación fue generar caudales mensuales a partir de precipitaciones mensuales en la sub cuenca Querococha ubicada en la provincia de Recuay. La tipificación del estudio es aplicada de nivel predictivo, según el diseño de la investigación es no experimental y según la...
| Autor: | |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2018 |
| Institución: | Universidad Nacional Santiago Antúnez de Mayolo |
| Repositorio: | UNASAM-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:172.16.0.151:UNASAM/2775 |
| Enlace del recurso: | http://repositorio.unasam.edu.pe/handle/UNASAM/2775 |
| Nivel de acceso: | acceso abierto |
| Materia: | Redes Neuronales Elman backpropagation Caudales mensuales |
| Sumario: | El objetivo principal de la investigación fue generar caudales mensuales a partir de precipitaciones mensuales en la sub cuenca Querococha ubicada en la provincia de Recuay. La tipificación del estudio es aplicada de nivel predictivo, según el diseño de la investigación es no experimental y según la naturaleza de los datos manejados es cuantitativo. El método consistió en la aplicación de redes neuronales artificiales, específicamente, del modelo backpropagation, de este se probaron tres tipos de red neuronal artificial: Cascade forward backpropagation, Elman backpropagation y Feed forward backpropagation. Para definir la estructura más eficiente, se realizaron iteraciones en las funciones fundamentales basados en tres procesos principales: entrenamiento, validación y generación para cada tipo de red, se priorizo la generación de caudales mensuales, analizando previamente estos procesos en las precipitaciones mensuales; estos procesos se especifican en el contenido de la investigación. Se obtuvo un resultado satisfactorio en el uso de los tres tipos de red, resaltando de los tres el tipo Elman backpropagation, el cual presenta un coeficiente de correlación de 0.90 y un error máximo de 0.60 m3/seg. Desde esta perspectiva una de las conclusiones más importantes es la viabilidad de la generación de caudales mensuales mediante la aplicación de las redes neuronales artificiales solo con una variable de apoyo en este caso las precipitaciones mensuales |
|---|
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).
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).
