Teledetección de rotura de diques de relave en minería utilizando imágenes satelitales y Machine Learning

Descripción del Articulo

El presente trabajo de investigación pretende generar información sobre los pasos a seguir y las opciones que existen para implementar un algoritmo de “aprendizaje supervisado” (Stochastic Gradient Descent, Random Forests, etc.) de Machine Learning capaz de clasificar imágenes satelitales de diques...

Descripción completa

Detalles Bibliográficos
Autores: Ortíz Guzmán, Siwar Alvaro, Bocanegra Muñante, Fiorella Alessandra, Suni Idme, María Gabriela, Vásquez Quispe, Carolay Zully, Vizcarra Guerreros, Edwin Andrei
Formato: documento de trabajo
Fecha de Publicación:2021
Institución:Organismo de Evaluación y Fiscalización Ambiental
Repositorio:OEFA-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.oefa.gob.pe:20.500.12788/159
Enlace del recurso:https://hdl.handle.net/20.500.12788/159
Nivel de acceso:acceso abierto
Materia:Teledetección
Prevención de desastres
Fuentes de contaminación
https://purl.org/pe-repo/ocde/ford#2.08.01
id OEFA_70b35e9d5d895be6aacc3606f4ddb6e0
oai_identifier_str oai:repositorio.oefa.gob.pe:20.500.12788/159
network_acronym_str OEFA
network_name_str OEFA-Institucional
repository_id_str 4802
dc.title.es_ES.fl_str_mv Teledetección de rotura de diques de relave en minería utilizando imágenes satelitales y Machine Learning
title Teledetección de rotura de diques de relave en minería utilizando imágenes satelitales y Machine Learning
spellingShingle Teledetección de rotura de diques de relave en minería utilizando imágenes satelitales y Machine Learning
Ortíz Guzmán, Siwar Alvaro
Teledetección
Prevención de desastres
Fuentes de contaminación
https://purl.org/pe-repo/ocde/ford#2.08.01
title_short Teledetección de rotura de diques de relave en minería utilizando imágenes satelitales y Machine Learning
title_full Teledetección de rotura de diques de relave en minería utilizando imágenes satelitales y Machine Learning
title_fullStr Teledetección de rotura de diques de relave en minería utilizando imágenes satelitales y Machine Learning
title_full_unstemmed Teledetección de rotura de diques de relave en minería utilizando imágenes satelitales y Machine Learning
title_sort Teledetección de rotura de diques de relave en minería utilizando imágenes satelitales y Machine Learning
author Ortíz Guzmán, Siwar Alvaro
author_facet Ortíz Guzmán, Siwar Alvaro
Bocanegra Muñante, Fiorella Alessandra
Suni Idme, María Gabriela
Vásquez Quispe, Carolay Zully
Vizcarra Guerreros, Edwin Andrei
author_role author
author2 Bocanegra Muñante, Fiorella Alessandra
Suni Idme, María Gabriela
Vásquez Quispe, Carolay Zully
Vizcarra Guerreros, Edwin Andrei
author2_role author
author
author
author
dc.contributor.advisor.fl_str_mv Loroña Calderón, Frank
dc.contributor.author.fl_str_mv Ortíz Guzmán, Siwar Alvaro
Bocanegra Muñante, Fiorella Alessandra
Suni Idme, María Gabriela
Vásquez Quispe, Carolay Zully
Vizcarra Guerreros, Edwin Andrei
dc.subject.es_ES.fl_str_mv Teledetección
Prevención de desastres
Fuentes de contaminación
topic Teledetección
Prevención de desastres
Fuentes de contaminación
https://purl.org/pe-repo/ocde/ford#2.08.01
dc.subject.ocde.es_ES.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.08.01
description El presente trabajo de investigación pretende generar información sobre los pasos a seguir y las opciones que existen para implementar un algoritmo de “aprendizaje supervisado” (Stochastic Gradient Descent, Random Forests, etc.) de Machine Learning capaz de clasificar imágenes satelitales de diques de relaves de acuerdo a la probabilidad de rotura. Esto se hará con la finalidad de reducir costos y tiempo en los procesos de evaluación o supervisión, específicamente en casos en los que el administrado no reporta la contingencia mencionada.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2021-04-28T19:07:26Z
dc.date.available.none.fl_str_mv 2021-04-28T19:07:26Z
dc.date.issued.fl_str_mv 2021-02
dc.type.es_ES.fl_str_mv info:eu-repo/semantics/workingPaper
format workingPaper
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12788/159
url https://hdl.handle.net/20.500.12788/159
dc.language.iso.es_ES.fl_str_mv spa
language spa
dc.relation.ispartofseries.none.fl_str_mv SFOR-AFA-CEU2021-010
dc.rights.*.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Perú
dc.rights.es_ES.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 2.5 Perú
http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
eu_rights_str_mv openAccess
dc.publisher.es_ES.fl_str_mv Organismo de Evaluación y Fiscalización Ambiental
dc.source.es_ES.fl_str_mv Organismo de Evaluación y Fiscalización Ambiental
dc.source.none.fl_str_mv reponame:OEFA-Institucional
instname:Organismo de Evaluación y Fiscalización Ambiental
instacron:OEFA
instname_str Organismo de Evaluación y Fiscalización Ambiental
instacron_str OEFA
institution OEFA
reponame_str OEFA-Institucional
collection OEFA-Institucional
bitstream.url.fl_str_mv http://repositorio.oefa.gob.pe//bitstream/20.500.12788/159/1/Grupo%20N%c2%ba10.pdf
http://repositorio.oefa.gob.pe//bitstream/20.500.12788/159/2/license_rdf
http://repositorio.oefa.gob.pe//bitstream/20.500.12788/159/3/license.txt
http://repositorio.oefa.gob.pe//bitstream/20.500.12788/159/4/Grupo%20N%c2%ba10.pdf.txt
http://repositorio.oefa.gob.pe//bitstream/20.500.12788/159/5/Grupo%20N%c2%ba10.pdf.jpg
bitstream.checksum.fl_str_mv 6bea43269d9b59468fc75fd40a38ada8
3655808e5dd46167956d6870b0f43800
8a4605be74aa9ea9d79846c1fba20a33
4727e40b0569bed55ab97045fd9e6a0e
6362deb1cd780df2de56814c154368eb
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional OEFA
repository.mail.fl_str_mv biblioteca@oefa.gob.pe
_version_ 1769688771537666048
spelling Loroña Calderón, FrankOrtíz Guzmán, Siwar AlvaroBocanegra Muñante, Fiorella AlessandraSuni Idme, María GabrielaVásquez Quispe, Carolay ZullyVizcarra Guerreros, Edwin Andrei2021-04-28T19:07:26Z2021-04-28T19:07:26Z2021-02https://hdl.handle.net/20.500.12788/159El presente trabajo de investigación pretende generar información sobre los pasos a seguir y las opciones que existen para implementar un algoritmo de “aprendizaje supervisado” (Stochastic Gradient Descent, Random Forests, etc.) de Machine Learning capaz de clasificar imágenes satelitales de diques de relaves de acuerdo a la probabilidad de rotura. Esto se hará con la finalidad de reducir costos y tiempo en los procesos de evaluación o supervisión, específicamente en casos en los que el administrado no reporta la contingencia mencionada.spaOrganismo de Evaluación y Fiscalización AmbientalSFOR-AFA-CEU2021-010Atribución-NoComercial-SinDerivadas 2.5 Perúinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/Organismo de Evaluación y Fiscalización Ambientalreponame:OEFA-Institucionalinstname:Organismo de Evaluación y Fiscalización Ambientalinstacron:OEFATeledetecciónPrevención de desastresFuentes de contaminaciónhttps://purl.org/pe-repo/ocde/ford#2.08.01Teledetección de rotura de diques de relave en minería utilizando imágenes satelitales y Machine Learninginfo:eu-repo/semantics/workingPaperORIGINALGrupo Nº10.pdfGrupo Nº10.pdfapplication/pdf775423http://repositorio.oefa.gob.pe//bitstream/20.500.12788/159/1/Grupo%20N%c2%ba10.pdf6bea43269d9b59468fc75fd40a38ada8MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811http://repositorio.oefa.gob.pe//bitstream/20.500.12788/159/2/license_rdf3655808e5dd46167956d6870b0f43800MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.oefa.gob.pe//bitstream/20.500.12788/159/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53TEXTGrupo Nº10.pdf.txtGrupo Nº10.pdf.txtExtracted texttext/plain49054http://repositorio.oefa.gob.pe//bitstream/20.500.12788/159/4/Grupo%20N%c2%ba10.pdf.txt4727e40b0569bed55ab97045fd9e6a0eMD54THUMBNAILGrupo Nº10.pdf.jpgGrupo Nº10.pdf.jpgGenerated Thumbnailimage/jpeg5303http://repositorio.oefa.gob.pe//bitstream/20.500.12788/159/5/Grupo%20N%c2%ba10.pdf.jpg6362deb1cd780df2de56814c154368ebMD5520.500.12788/159oai:repositorio.oefa.gob.pe:20.500.12788/1592023-06-20 19:16:25.858Repositorio Institucional OEFAbiblioteca@oefa.gob.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
score 13.959468
Teledetección de rotura de diques de relave en minería utilizando imágenes satelitales y Machine Learning
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