Modelo de predicción a partir de la minería de datos basado en casos, vinculados al estudio de la radiación ultravioleta UV-B. Arequipa 2017

• Autor: Mamani Yanapa, Wilson Ferriol
• Formato: tesis de maestría
• Fecha de Publicación: 2021
• Institución: Universidad Nacional Jorge Basadre Grohmann
• Repositorio: UNJBG-Institucional
• Lenguaje: español
• OAI Identifier: oai:172.16.0.151:UNJBG/4323
• Enlace del recurso: http://repositorio.unjbg.edu.pe/handle/UNJBG/4323
• Nivel de acceso: acceso abierto
• Materia: Minería de datos; Proceso KDD; Memoria de largo y corto plazo; https://purl.org/pe-repo/ocde/ford#2.02.04

En el presente estudio se ha propuesto un Modelo de Predicción a partir de la Minería de Datos mediante el Modelo Razonamiento Basado en Casos, vinculado al estudio de la radiación UV-B en la ciudad de Arequipa, para el año 2017. El presente estudio es de tipo Cuasi-Experimental, donde la población de estudio corresponde a datos recolectados y proporcionados por el Ministerio de Salud (MINSA) sede Arequipa, y la muestra, son los datos meteorológicos de índices de radiación ultravioleta de los años 2010 al 2017. Para el procesamiento y análisis de datos, se utilizó software Octave y Python. Se dividieron los datos en dos partes: El entrenamiento se realizó con los datos de los años 2010 hasta 2016 y las pruebas de predicción se realizaron con los datos del año 2017 que representa aproximadamente un 10 % de los datos. Durante el comparativo de tres modelos de minería de datos, el modelo Autoregresivo de Medias Móviles (ARMA) presentó el coeficiente de correlación R = 0.022 para el año 2017 de 365 datos, mientras que el modelo Razonamiento Basado en Casos (RBC) se obtuvo un coeficiente de correlación de R = 0.695 y Raíz del Error Medio Cuadrático Porcentual (% RMSE) de 32 %. El modelo de redes neuronales con Memoria de Largo y Corto Plazo (LSTM) se obtuvo un % RMSE de 28 % y coeficiente de correlación de R = 0.728. Ha sido posible desarrollar un modelo de predicción mediante un Razonamiento Basado en Casos (RBC) con % RMSE de 32 % y 68 % de precisión para la predicción del año 2017.