Predicción del caudal del río Torata utilizando algoritmos de Machine Learning para el aprovisionamiento de agua a la población del distrito
Descripción del Articulo
Diferentes estudios utilizan el aprendizaje automático para el análisis de datos y por ende construir modelos predictivos y encontrar comportamientos que representen diversas variables de salida. Basado en ello, el presente trabajo de suficiencia profesional tiene como misión principal desarrollar u...
| Autores: | , , , , |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2024 |
| Institución: | Universidad ESAN |
| Repositorio: | ESAN-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.esan.edu.pe:20.500.12640/3942 |
| Enlace del recurso: | https://hdl.handle.net/20.500.12640/3942 |
| Nivel de acceso: | acceso abierto |
| Materia: | Aprendizaje automático Técnicas de predicción Recursos hídricos Abastecimiento de agua https://purl.org/pe-repo/ocde/ford#2.11.04 https://purl.org/pe-repo/ocde/ford#5.02.04 |
| id |
ESAN_75c32490aea733e5040e776ab081c864 |
|---|---|
| oai_identifier_str |
oai:repositorio.esan.edu.pe:20.500.12640/3942 |
| network_acronym_str |
ESAN |
| network_name_str |
ESAN-Institucional |
| repository_id_str |
4835 |
| dc.title.es_ES.fl_str_mv |
Predicción del caudal del río Torata utilizando algoritmos de Machine Learning para el aprovisionamiento de agua a la población del distrito |
| title |
Predicción del caudal del río Torata utilizando algoritmos de Machine Learning para el aprovisionamiento de agua a la población del distrito |
| spellingShingle |
Predicción del caudal del río Torata utilizando algoritmos de Machine Learning para el aprovisionamiento de agua a la población del distrito Aguirre Vasquez, Mayra Araceli Aprendizaje automático Técnicas de predicción Recursos hídricos Abastecimiento de agua https://purl.org/pe-repo/ocde/ford#2.11.04 https://purl.org/pe-repo/ocde/ford#5.02.04 |
| title_short |
Predicción del caudal del río Torata utilizando algoritmos de Machine Learning para el aprovisionamiento de agua a la población del distrito |
| title_full |
Predicción del caudal del río Torata utilizando algoritmos de Machine Learning para el aprovisionamiento de agua a la población del distrito |
| title_fullStr |
Predicción del caudal del río Torata utilizando algoritmos de Machine Learning para el aprovisionamiento de agua a la población del distrito |
| title_full_unstemmed |
Predicción del caudal del río Torata utilizando algoritmos de Machine Learning para el aprovisionamiento de agua a la población del distrito |
| title_sort |
Predicción del caudal del río Torata utilizando algoritmos de Machine Learning para el aprovisionamiento de agua a la población del distrito |
| author |
Aguirre Vasquez, Mayra Araceli |
| author_facet |
Aguirre Vasquez, Mayra Araceli Churampi Coronado, Heidy Denis Ana Garcia Garcia, Jeff Steven Mamani Ventura, Danny Alvis Montes Manrique, Diego Alfredo |
| author_role |
author |
| author2 |
Churampi Coronado, Heidy Denis Ana Garcia Garcia, Jeff Steven Mamani Ventura, Danny Alvis Montes Manrique, Diego Alfredo |
| author2_role |
author author author author |
| dc.contributor.advisor.fl_str_mv |
Fabian Arteaga, Junior John |
| dc.contributor.author.fl_str_mv |
Aguirre Vasquez, Mayra Araceli Churampi Coronado, Heidy Denis Ana Garcia Garcia, Jeff Steven Mamani Ventura, Danny Alvis Montes Manrique, Diego Alfredo |
| dc.subject.es_ES.fl_str_mv |
Aprendizaje automático Técnicas de predicción Recursos hídricos Abastecimiento de agua |
| topic |
Aprendizaje automático Técnicas de predicción Recursos hídricos Abastecimiento de agua https://purl.org/pe-repo/ocde/ford#2.11.04 https://purl.org/pe-repo/ocde/ford#5.02.04 |
| dc.subject.ocde.none.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#2.11.04 https://purl.org/pe-repo/ocde/ford#5.02.04 |
| description |
Diferentes estudios utilizan el aprendizaje automático para el análisis de datos y por ende construir modelos predictivos y encontrar comportamientos que representen diversas variables de salida. Basado en ello, el presente trabajo de suficiencia profesional tiene como misión principal desarrollar un modelo para predecir el caudal del río Torata utilizando algoritmos de Machine Learning y con ello estimar la oferta hídrica, además se busca brindar un marco amplio a las autoridades en la toma de medidas proactivas para garantizar un adecuado aprovisionamiento de agua a la población, incluyendo la administración de infraestructuras de almacenamiento, división y tratamiento. Utilizando datos históricos de las estaciones hidrométricas y meteorológicas del río Torata monitoreados y proporcionadas por la Mina Cuajone y técnicas de Machine Learning, se desarrollaron modelos predictivos para brindar un aporte eficaz al proyecto de aprovisionamiento de agua (Presa Altarani). La investigación se estructura en seis capítulos que abarcan desde el planteamiento del problema y metodología, dando como resultado el mejor modelo de predicción SVR lineal con un 2de 0.946 y un MSE de 0.041, hasta la presentación de conclusiones y una proyección de 5 años del caudal y oferta hídrica del río Torata con R de 0.877 y MSE de 0.123. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-06-09T17:50:41Z |
| dc.date.available.none.fl_str_mv |
2024-06-09T17:50:41Z |
| dc.date.issued.fl_str_mv |
2024 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.other.none.fl_str_mv |
Trabajo de suficiencia profesional |
| format |
bachelorThesis |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12640/3942 |
| url |
https://hdl.handle.net/20.500.12640/3942 |
| dc.language.none.fl_str_mv |
Español |
| dc.language.iso.none.fl_str_mv |
spa |
| language_invalid_str_mv |
Español |
| language |
spa |
| dc.relation.ispartof.fl_str_mv |
SUNEDU |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.uri.none.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.none.fl_str_mv |
application/pdf |
| dc.coverage.spatial.none.fl_str_mv |
Perú Moquegua Torata |
| dc.publisher.none.fl_str_mv |
Universidad ESAN |
| dc.publisher.country.none.fl_str_mv |
PE |
| publisher.none.fl_str_mv |
Universidad ESAN |
| dc.source.none.fl_str_mv |
reponame:ESAN-Institucional instname:Universidad ESAN instacron:ESAN |
| instname_str |
Universidad ESAN |
| instacron_str |
ESAN |
| institution |
ESAN |
| reponame_str |
ESAN-Institucional |
| collection |
ESAN-Institucional |
| bitstream.url.fl_str_mv |
https://repositorio.esan.edu.pe/bitstreams/aa94b727-e439-4d04-ac02-bfaddee0a71a/download https://repositorio.esan.edu.pe/bitstreams/6b4cff14-b534-456c-b946-f7b4e1e4154c/download https://repositorio.esan.edu.pe/bitstreams/e85bebc0-8fd3-47be-883f-24d8c7624740/download https://repositorio.esan.edu.pe/bitstreams/45976ce9-4942-4e52-8220-7e1d083289ab/download https://repositorio.esan.edu.pe/bitstreams/fb99832d-91da-4357-b19a-1557f915e842/download https://repositorio.esan.edu.pe/bitstreams/3a55a55e-f62a-4b0f-a478-3e48d846e7fb/download https://repositorio.esan.edu.pe/bitstreams/fd30383d-e5d5-464e-9cf7-2b6b3e6df500/download https://repositorio.esan.edu.pe/bitstreams/430a7e93-df69-4012-8081-04ae62324809/download https://repositorio.esan.edu.pe/bitstreams/42168dd8-a5d7-422b-b47d-5fa3c9ef6b3a/download |
| bitstream.checksum.fl_str_mv |
2140ebe251b3867daf5f8bb52ce788d6 244cd4c7d130b585023f0da5150b390a 428d72882942d686b97a3df0cb55feb5 bef9e8e4d15c1313db90b08a5ae5a7f4 edb1d8fcbdc8effb039afb0460a054c9 de4aff665e087390925cab607a33c45e 8c05a4d9a48fd098c355b8f9b3c53e5a e34e5b28ef03a73e98de0a2d4aae6002 600a60e041849f1c04a6fc724aaca5a9 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional ESAN |
| repository.mail.fl_str_mv |
repositorio@esan.edu.pe |
| _version_ |
1843261914656800768 |
| spelling |
Fabian Arteaga, Junior JohnAguirre Vasquez, Mayra AraceliChurampi Coronado, Heidy Denis AnaGarcia Garcia, Jeff StevenMamani Ventura, Danny AlvisMontes Manrique, Diego AlfredoPerúMoqueguaTorata2024-06-09T17:50:41Z2024-06-09T17:50:41Z2024https://hdl.handle.net/20.500.12640/3942Diferentes estudios utilizan el aprendizaje automático para el análisis de datos y por ende construir modelos predictivos y encontrar comportamientos que representen diversas variables de salida. Basado en ello, el presente trabajo de suficiencia profesional tiene como misión principal desarrollar un modelo para predecir el caudal del río Torata utilizando algoritmos de Machine Learning y con ello estimar la oferta hídrica, además se busca brindar un marco amplio a las autoridades en la toma de medidas proactivas para garantizar un adecuado aprovisionamiento de agua a la población, incluyendo la administración de infraestructuras de almacenamiento, división y tratamiento. Utilizando datos históricos de las estaciones hidrométricas y meteorológicas del río Torata monitoreados y proporcionadas por la Mina Cuajone y técnicas de Machine Learning, se desarrollaron modelos predictivos para brindar un aporte eficaz al proyecto de aprovisionamiento de agua (Presa Altarani). La investigación se estructura en seis capítulos que abarcan desde el planteamiento del problema y metodología, dando como resultado el mejor modelo de predicción SVR lineal con un 2de 0.946 y un MSE de 0.041, hasta la presentación de conclusiones y una proyección de 5 años del caudal y oferta hídrica del río Torata con R de 0.877 y MSE de 0.123.application/pdfEspañolspaUniversidad ESANPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Aprendizaje automáticoTécnicas de predicciónRecursos hídricosAbastecimiento de aguahttps://purl.org/pe-repo/ocde/ford#2.11.04https://purl.org/pe-repo/ocde/ford#5.02.04Predicción del caudal del río Torata utilizando algoritmos de Machine Learning para el aprovisionamiento de agua a la población del distritoinfo:eu-repo/semantics/bachelorThesisTrabajo de suficiencia profesionalreponame:ESAN-Institucionalinstname:Universidad ESANinstacron:ESANSUNEDUIngeniero Industrial y ComercialIngeniero en Gestión AmbientalIngeniero de Tecnologías de Información y SistemasUniversidad ESAN. Facultad de IngenieríaIngeniería Industrial y ComercialIngeniería en Gestión AmbientalIngeniería de Tecnologías de Información y Sistemas44749148https://orcid.org/0000-0001-9804-77957007195877504924702040887351177672355517https://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesionalhttps://purl.org/pe-repo/renati/level#tituloProfesional722056521236613066Lizarzaburu Bolaños, EdmundoBallon Alvarez, JosephAcceso abiertoORIGINAL2024_IIC_24-1_01_TC.pdfTexto completoapplication/pdf8786489https://repositorio.esan.edu.pe/bitstreams/aa94b727-e439-4d04-ac02-bfaddee0a71a/download2140ebe251b3867daf5f8bb52ce788d6MD51trueAnonymousREAD2024_IIC_24-1_01_F.pdfAutorización (acceso restringido)application/pdf347944https://repositorio.esan.edu.pe/bitstreams/6b4cff14-b534-456c-b946-f7b4e1e4154c/download244cd4c7d130b585023f0da5150b390aMD52falseAdministratorREAD2024_IIC_24-1_01_TU.pdfInforme Turnitin (acceso restringido)application/pdf31125013https://repositorio.esan.edu.pe/bitstreams/e85bebc0-8fd3-47be-883f-24d8c7624740/download428d72882942d686b97a3df0cb55feb5MD53falseAdministratorREADTEXT2024_IIC_24-1_01_TC.pdf.txt2024_IIC_24-1_01_TC.pdf.txtExtracted texttext/plain101876https://repositorio.esan.edu.pe/bitstreams/45976ce9-4942-4e52-8220-7e1d083289ab/downloadbef9e8e4d15c1313db90b08a5ae5a7f4MD54falseAnonymousREAD2024_IIC_24-1_01_F.pdf.txt2024_IIC_24-1_01_F.pdf.txtExtracted texttext/plain7557https://repositorio.esan.edu.pe/bitstreams/fb99832d-91da-4357-b19a-1557f915e842/downloadedb1d8fcbdc8effb039afb0460a054c9MD56falseAdministratorREAD2024_IIC_24-1_01_TU.pdf.txt2024_IIC_24-1_01_TU.pdf.txtExtracted texttext/plain11770https://repositorio.esan.edu.pe/bitstreams/3a55a55e-f62a-4b0f-a478-3e48d846e7fb/downloadde4aff665e087390925cab607a33c45eMD58falseAdministratorREADTHUMBNAIL2024_IIC_24-1_01_TC.pdf.jpg2024_IIC_24-1_01_TC.pdf.jpgGenerated Thumbnailimage/jpeg3936https://repositorio.esan.edu.pe/bitstreams/fd30383d-e5d5-464e-9cf7-2b6b3e6df500/download8c05a4d9a48fd098c355b8f9b3c53e5aMD55falseAnonymousREAD2024_IIC_24-1_01_F.pdf.jpg2024_IIC_24-1_01_F.pdf.jpgGenerated Thumbnailimage/jpeg5289https://repositorio.esan.edu.pe/bitstreams/430a7e93-df69-4012-8081-04ae62324809/downloade34e5b28ef03a73e98de0a2d4aae6002MD57falseAdministratorREAD2024_IIC_24-1_01_TU.pdf.jpg2024_IIC_24-1_01_TU.pdf.jpgGenerated Thumbnailimage/jpeg3429https://repositorio.esan.edu.pe/bitstreams/42168dd8-a5d7-422b-b47d-5fa3c9ef6b3a/download600a60e041849f1c04a6fc724aaca5a9MD59falseAdministratorREAD20.500.12640/3942oai:repositorio.esan.edu.pe:20.500.12640/39422025-07-10 17:03:43.855http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.esan.edu.peRepositorio Institucional ESANrepositorio@esan.edu.pe |
| score |
13.905282 |
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).