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...

Descripción completa

Detalles Bibliográficos
Autores: Aguirre Vasquez, Mayra Araceli, Churampi Coronado, Heidy Denis Ana, Garcia Garcia, Jeff Steven, Mamani Ventura, Danny Alvis, Montes Manrique, Diego Alfredo
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).