Uso de un modelo de red neuronal artificial para la predicción de concentraciones de arsénico en aguas subterráneas, Tarapoto 2024

Descripción del Articulo

La presente investigación, esta alineado con el objetivo de desarrollo sostenible (ODS), N°06 denominado agua y saneamiento. Se ha tenido como objetivo predecir las concentraciones de arsénico en aguas subterráneas, mediante el uso de un modelo de red neuronal artificial. Dentro de nuestra metodolog...

Descripción completa

Detalles Bibliográficos
Autores: Polo Saavedra, Frank Sander, Reategui Galarreta, Lilian Raquel
Formato: tesis de grado
Fecha de Publicación:2024
Institución:Universidad Cesar Vallejo
Repositorio:UCV-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.ucv.edu.pe:20.500.12692/162521
Enlace del recurso:https://hdl.handle.net/20.500.12692/162521
Nivel de acceso:acceso abierto
Materia:Aguas subterráneas
Red neuronal artificial
Inteligencia artificial
https://purl.org/pe-repo/ocde/ford#2.01.01
id UCVV_3c125437f1fedc967a397102d66eb19a
oai_identifier_str oai:repositorio.ucv.edu.pe:20.500.12692/162521
network_acronym_str UCVV
network_name_str UCV-Institucional
repository_id_str 3741
dc.title.es_PE.fl_str_mv Uso de un modelo de red neuronal artificial para la predicción de concentraciones de arsénico en aguas subterráneas, Tarapoto 2024
title Uso de un modelo de red neuronal artificial para la predicción de concentraciones de arsénico en aguas subterráneas, Tarapoto 2024
spellingShingle Uso de un modelo de red neuronal artificial para la predicción de concentraciones de arsénico en aguas subterráneas, Tarapoto 2024
Polo Saavedra, Frank Sander
Aguas subterráneas
Red neuronal artificial
Inteligencia artificial
https://purl.org/pe-repo/ocde/ford#2.01.01
title_short Uso de un modelo de red neuronal artificial para la predicción de concentraciones de arsénico en aguas subterráneas, Tarapoto 2024
title_full Uso de un modelo de red neuronal artificial para la predicción de concentraciones de arsénico en aguas subterráneas, Tarapoto 2024
title_fullStr Uso de un modelo de red neuronal artificial para la predicción de concentraciones de arsénico en aguas subterráneas, Tarapoto 2024
title_full_unstemmed Uso de un modelo de red neuronal artificial para la predicción de concentraciones de arsénico en aguas subterráneas, Tarapoto 2024
title_sort Uso de un modelo de red neuronal artificial para la predicción de concentraciones de arsénico en aguas subterráneas, Tarapoto 2024
author Polo Saavedra, Frank Sander
author_facet Polo Saavedra, Frank Sander
Reategui Galarreta, Lilian Raquel
author_role author
author2 Reategui Galarreta, Lilian Raquel
author2_role author
dc.contributor.advisor.fl_str_mv Paredes Aguilar, Luis
dc.contributor.author.fl_str_mv Polo Saavedra, Frank Sander
Reategui Galarreta, Lilian Raquel
dc.subject.es_PE.fl_str_mv Aguas subterráneas
Red neuronal artificial
Inteligencia artificial
topic Aguas subterráneas
Red neuronal artificial
Inteligencia artificial
https://purl.org/pe-repo/ocde/ford#2.01.01
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.01.01
description La presente investigación, esta alineado con el objetivo de desarrollo sostenible (ODS), N°06 denominado agua y saneamiento. Se ha tenido como objetivo predecir las concentraciones de arsénico en aguas subterráneas, mediante el uso de un modelo de red neuronal artificial. Dentro de nuestra metodología población y muestra; la población son los registros disponibles en la base de datos extraída libre que conforman una muestra total de 3283 mediciones de arsénico en aguas subterráneas. Criterio de Inclusión: Se incluyeron registros con mediciones de concentración de arsénico en aguas subterráneas junto con los parámetros hidrológicos, parámetros del suelo, parámetros químicos y características geológicas. Con respecto al tipo de investigación es aplicada manteniendo un enfoque cuantitativo exploratorio, el diseño de la investigación fue experimental transversal. Según la OCDE este proyecto está considerado como un proceso de innovación por que se mejora los procesos de manera significativa. Se logró predecir las concentraciones de arsénico en aguas subterráneas con una exactitud del 97.56%, mediante el uso de la red neuronal artificial en base a las características de los parámetro hidrológicos, suelos, químicos y geológicos.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2025-03-12T14:12:17Z
dc.date.available.none.fl_str_mv 2025-03-12T14:12:17Z
dc.date.issued.fl_str_mv 2024
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12692/162521
url https://hdl.handle.net/20.500.12692/162521
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv https://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad César Vallejo
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Repositorio Institucional - UCV
Universidad César Vallejo
dc.source.none.fl_str_mv reponame:UCV-Institucional
instname:Universidad Cesar Vallejo
instacron:UCV
instname_str Universidad Cesar Vallejo
instacron_str UCV
institution UCV
reponame_str UCV-Institucional
collection UCV-Institucional
bitstream.url.fl_str_mv https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/1/Polo_SFS-Reategui_GLR-SD.pdf
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/2/Polo_SFS-Reategui_GLR-IT.pdf
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/3/Polo_SFS-Reategui_GLR.pdf
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/4/license.txt
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/5/Polo_SFS-Reategui_GLR-SD.pdf.txt
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/7/Polo_SFS-Reategui_GLR-IT.pdf.txt
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/9/Polo_SFS-Reategui_GLR.pdf.txt
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/6/Polo_SFS-Reategui_GLR-SD.pdf.jpg
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/8/Polo_SFS-Reategui_GLR-IT.pdf.jpg
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/10/Polo_SFS-Reategui_GLR.pdf.jpg
bitstream.checksum.fl_str_mv 7644348a300d9b3cdaad4f8f560c3200
abeb2ff286c3cdbd5fdab37f8a5d51f5
325702195d4aebc2e019be7b286a6e5f
8a4605be74aa9ea9d79846c1fba20a33
27df01c63444d7ee5511f352f8b00bf5
6320311914eaa3fb3b0d4c9df6300fd8
84b13f9371e46cef6a43cefac1c23334
6c01790add2b595fe8f422ec392a0c81
29a1f6d98b5358208c9399da121401e2
6c01790add2b595fe8f422ec392a0c81
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de la Universidad César Vallejo
repository.mail.fl_str_mv repositorio@ucv.edu.pe
_version_ 1827580885781708800
spelling Paredes Aguilar, LuisPolo Saavedra, Frank SanderReategui Galarreta, Lilian Raquel2025-03-12T14:12:17Z2025-03-12T14:12:17Z2024https://hdl.handle.net/20.500.12692/162521La presente investigación, esta alineado con el objetivo de desarrollo sostenible (ODS), N°06 denominado agua y saneamiento. Se ha tenido como objetivo predecir las concentraciones de arsénico en aguas subterráneas, mediante el uso de un modelo de red neuronal artificial. Dentro de nuestra metodología población y muestra; la población son los registros disponibles en la base de datos extraída libre que conforman una muestra total de 3283 mediciones de arsénico en aguas subterráneas. Criterio de Inclusión: Se incluyeron registros con mediciones de concentración de arsénico en aguas subterráneas junto con los parámetros hidrológicos, parámetros del suelo, parámetros químicos y características geológicas. Con respecto al tipo de investigación es aplicada manteniendo un enfoque cuantitativo exploratorio, el diseño de la investigación fue experimental transversal. Según la OCDE este proyecto está considerado como un proceso de innovación por que se mejora los procesos de manera significativa. Se logró predecir las concentraciones de arsénico en aguas subterráneas con una exactitud del 97.56%, mediante el uso de la red neuronal artificial en base a las características de los parámetro hidrológicos, suelos, químicos y geológicos.TarapotoEscuela de Ingeniería CivilDiseño de Obras Hidraulicas y SaneamientoDesarrollo sostenible, emprendimientos y responsabilidad social.Desarrollo económico, empleo y emprendimientoTrabajo decente y crecimiento económicoPRESENCIALapplication/pdfspaUniversidad César VallejoPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/Repositorio Institucional - UCVUniversidad César Vallejoreponame:UCV-Institucionalinstname:Universidad Cesar Vallejoinstacron:UCVAguas subterráneasRed neuronal artificialInteligencia artificialhttps://purl.org/pe-repo/ocde/ford#2.01.01Uso de un modelo de red neuronal artificial para la predicción de concentraciones de arsénico en aguas subterráneas, Tarapoto 2024info:eu-repo/semantics/bachelorThesisSUNEDUIngeniería CivilUniversidad César Vallejo. Facultad de Ingeniería y ArquitecturaIngeniero Civil01158952https://orcid.org/0000-0002-1375-179X7131140472760909732038Rocha Sandoval, César AugustoOcrospoma Callupe, Fanny NataliaParedes Aguilar, Luishttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisORIGINALPolo_SFS-Reategui_GLR-SD.pdfPolo_SFS-Reategui_GLR-SD.pdfapplication/pdf3113677https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/1/Polo_SFS-Reategui_GLR-SD.pdf7644348a300d9b3cdaad4f8f560c3200MD51Polo_SFS-Reategui_GLR-IT.pdfPolo_SFS-Reategui_GLR-IT.pdfapplication/pdf7164472https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/2/Polo_SFS-Reategui_GLR-IT.pdfabeb2ff286c3cdbd5fdab37f8a5d51f5MD52Polo_SFS-Reategui_GLR.pdfPolo_SFS-Reategui_GLR.pdfapplication/pdf3149716https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/3/Polo_SFS-Reategui_GLR.pdf325702195d4aebc2e019be7b286a6e5fMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/4/license.txt8a4605be74aa9ea9d79846c1fba20a33MD54TEXTPolo_SFS-Reategui_GLR-SD.pdf.txtPolo_SFS-Reategui_GLR-SD.pdf.txtExtracted texttext/plain128122https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/5/Polo_SFS-Reategui_GLR-SD.pdf.txt27df01c63444d7ee5511f352f8b00bf5MD55Polo_SFS-Reategui_GLR-IT.pdf.txtPolo_SFS-Reategui_GLR-IT.pdf.txtExtracted texttext/plain7650https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/7/Polo_SFS-Reategui_GLR-IT.pdf.txt6320311914eaa3fb3b0d4c9df6300fd8MD57Polo_SFS-Reategui_GLR.pdf.txtPolo_SFS-Reategui_GLR.pdf.txtExtracted texttext/plain130708https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/9/Polo_SFS-Reategui_GLR.pdf.txt84b13f9371e46cef6a43cefac1c23334MD59THUMBNAILPolo_SFS-Reategui_GLR-SD.pdf.jpgPolo_SFS-Reategui_GLR-SD.pdf.jpgGenerated Thumbnailimage/jpeg5265https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/6/Polo_SFS-Reategui_GLR-SD.pdf.jpg6c01790add2b595fe8f422ec392a0c81MD56Polo_SFS-Reategui_GLR-IT.pdf.jpgPolo_SFS-Reategui_GLR-IT.pdf.jpgGenerated Thumbnailimage/jpeg4327https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/8/Polo_SFS-Reategui_GLR-IT.pdf.jpg29a1f6d98b5358208c9399da121401e2MD58Polo_SFS-Reategui_GLR.pdf.jpgPolo_SFS-Reategui_GLR.pdf.jpgGenerated Thumbnailimage/jpeg5265https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162521/10/Polo_SFS-Reategui_GLR.pdf.jpg6c01790add2b595fe8f422ec392a0c81MD51020.500.12692/162521oai:repositorio.ucv.edu.pe:20.500.12692/1625212025-03-12 22:05:22.65Repositorio de la Universidad César Vallejorepositorio@ucv.edu.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
score 13.936249
Uso de un modelo de red neuronal artificial para la predicción de concentraciones de arsénico en aguas subterráneas, Tarapoto 2024
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).

Ejemplares Similares