Capacidad predictiva de los métodos no paramétricos para la predicción del caudal medio mensual del río Santa, 2018

Descripción del Articulo

Los métodos no paramétricos han demostrado tener una mayor capacidad predictiva en cuanto se refiere a pronósticos de caudales de ríos, en el estudio se implementan dos métodos MARS y Kernel, ambos métodos permiten trabajar con variables predictoras entre ellas la influencia de fenómenos macroclimát...

Descripción completa

Detalles Bibliográficos
Autor: Pariamachi Rodríguez, Gisella Roxana
Formato: tesis de grado
Fecha de Publicación:2018
Institución:Universidad Nacional Santiago Antúnez de Mayolo
Repositorio:UNASAM-Institucional
Lenguaje:español
OAI Identifier:oai:172.16.0.151:UNASAM/2770
Enlace del recurso:http://repositorio.unasam.edu.pe/handle/UNASAM/2770
Nivel de acceso:acceso abierto
Materia:Capacidad Predictiva Caudal Río Santa
Métodos No Paramétricos
Mars y Kernel
id RUNM_9bf8f47c32ee1800cb822dd072971471
oai_identifier_str oai:172.16.0.151:UNASAM/2770
network_acronym_str RUNM
network_name_str UNASAM-Institucional
repository_id_str 4788
dc.title.es_PE.fl_str_mv Capacidad predictiva de los métodos no paramétricos para la predicción del caudal medio mensual del río Santa, 2018
title Capacidad predictiva de los métodos no paramétricos para la predicción del caudal medio mensual del río Santa, 2018
spellingShingle Capacidad predictiva de los métodos no paramétricos para la predicción del caudal medio mensual del río Santa, 2018
Pariamachi Rodríguez, Gisella Roxana
Capacidad Predictiva Caudal Río Santa
Métodos No Paramétricos
Mars y Kernel
title_short Capacidad predictiva de los métodos no paramétricos para la predicción del caudal medio mensual del río Santa, 2018
title_full Capacidad predictiva de los métodos no paramétricos para la predicción del caudal medio mensual del río Santa, 2018
title_fullStr Capacidad predictiva de los métodos no paramétricos para la predicción del caudal medio mensual del río Santa, 2018
title_full_unstemmed Capacidad predictiva de los métodos no paramétricos para la predicción del caudal medio mensual del río Santa, 2018
title_sort Capacidad predictiva de los métodos no paramétricos para la predicción del caudal medio mensual del río Santa, 2018
author Pariamachi Rodríguez, Gisella Roxana
author_facet Pariamachi Rodríguez, Gisella Roxana
author_role author
dc.contributor.advisor.fl_str_mv Varela Rojas, Walter Alejandro
dc.contributor.author.fl_str_mv Pariamachi Rodríguez, Gisella Roxana
dc.subject.es_PE.fl_str_mv Capacidad Predictiva Caudal Río Santa
Métodos No Paramétricos
Mars y Kernel
topic Capacidad Predictiva Caudal Río Santa
Métodos No Paramétricos
Mars y Kernel
description Los métodos no paramétricos han demostrado tener una mayor capacidad predictiva en cuanto se refiere a pronósticos de caudales de ríos, en el estudio se implementan dos métodos MARS y Kernel, ambos métodos permiten trabajar con variables predictoras entre ellas la influencia de fenómenos macroclimáticos, para el desarrollo e implementación de las metodologías se realizan con el registro de los caudales medios mensuales del río Santa en el período comprendido entre el año 1980 hasta el año 2017, dicho río es importante para la generación de energía eléctrica, agricultura y para el proyecto Chavimochic. El estudio concluye que el método no paramétrico MARS presenta mayor capacidad predictiva, esto comparado con los errores cuadráticos medios de ambos modelos
publishDate 2018
dc.date.accessioned.none.fl_str_mv 2019-01-30T16:34:31Z
dc.date.available.none.fl_str_mv 2019-01-30T16:34:31Z
dc.date.issued.fl_str_mv 2018
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv http://repositorio.unasam.edu.pe/handle/UNASAM/2770
url http://repositorio.unasam.edu.pe/handle/UNASAM/2770
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.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/us/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/us/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional Santiago Antúnez de Mayolo
dc.source.es_PE.fl_str_mv Universidad Nacional Santiago Antúnez de Mayolo
Repositorio Institucional Digital
dc.source.none.fl_str_mv reponame:UNASAM-Institucional
instname:Universidad Nacional Santiago Antúnez de Mayolo
instacron:UNASAM
instname_str Universidad Nacional Santiago Antúnez de Mayolo
instacron_str UNASAM
institution UNASAM
reponame_str UNASAM-Institucional
collection UNASAM-Institucional
bitstream.url.fl_str_mv http://172.16.0.151/bitstream/UNASAM/2770/4/T033_40820572_T.pdf.txt
http://172.16.0.151/bitstream/UNASAM/2770/3/license.txt
http://172.16.0.151/bitstream/UNASAM/2770/2/license_rdf
http://172.16.0.151/bitstream/UNASAM/2770/1/T033_40820572_T.pdf
bitstream.checksum.fl_str_mv b3744d040c2be4d0adaf47237c103f2e
c52066b9c50a8f86be96c82978636682
bb87e2fb4674c76d0d2e9ed07fbb9c86
723a9284eacd3b8e14ce0d53917d3a6b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv DSpace
repository.mail.fl_str_mv weduardov2005@gmail.com
_version_ 1852952972345999360
spelling Varela Rojas, Walter AlejandroPariamachi Rodríguez, Gisella Roxana2019-01-30T16:34:31Z2019-01-30T16:34:31Z2018http://repositorio.unasam.edu.pe/handle/UNASAM/2770Los métodos no paramétricos han demostrado tener una mayor capacidad predictiva en cuanto se refiere a pronósticos de caudales de ríos, en el estudio se implementan dos métodos MARS y Kernel, ambos métodos permiten trabajar con variables predictoras entre ellas la influencia de fenómenos macroclimáticos, para el desarrollo e implementación de las metodologías se realizan con el registro de los caudales medios mensuales del río Santa en el período comprendido entre el año 1980 hasta el año 2017, dicho río es importante para la generación de energía eléctrica, agricultura y para el proyecto Chavimochic. El estudio concluye que el método no paramétrico MARS presenta mayor capacidad predictiva, esto comparado con los errores cuadráticos medios de ambos modelosSubmitted by Wiliam Eduardo Varillas (weduardov2005@gmail.com) on 2019-01-30T16:34:31Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: bb87e2fb4674c76d0d2e9ed07fbb9c86 (MD5) T033_40820572_T.pdf: 1729935 bytes, checksum: 723a9284eacd3b8e14ce0d53917d3a6b (MD5)Made available in DSpace on 2019-01-30T16:34:31Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: bb87e2fb4674c76d0d2e9ed07fbb9c86 (MD5) T033_40820572_T.pdf: 1729935 bytes, checksum: 723a9284eacd3b8e14ce0d53917d3a6b (MD5) Previous issue date: 2018Tesisapplication/pdfspaUniversidad Nacional Santiago Antúnez de Mayoloinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/3.0/us/Universidad Nacional Santiago Antúnez de MayoloRepositorio Institucional Digitalreponame:UNASAM-Institucionalinstname:Universidad Nacional Santiago Antúnez de Mayoloinstacron:UNASAMCapacidad Predictiva Caudal Río SantaMétodos No ParamétricosMars y KernelCapacidad predictiva de los métodos no paramétricos para la predicción del caudal medio mensual del río Santa, 2018info:eu-repo/semantics/bachelorThesisSUNEDUTitulo ProfesionalLicenciada en Estadística e InformáticaUniversidad Nacional Santiago Antúnez de Mayolo. Facultad de CienciasEstadística e InformáticaTEXTT033_40820572_T.pdf.txtT033_40820572_T.pdf.txtExtracted texttext/plain61090http://172.16.0.151/bitstream/UNASAM/2770/4/T033_40820572_T.pdf.txtb3744d040c2be4d0adaf47237c103f2eMD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81327http://172.16.0.151/bitstream/UNASAM/2770/3/license.txtc52066b9c50a8f86be96c82978636682MD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81232http://172.16.0.151/bitstream/UNASAM/2770/2/license_rdfbb87e2fb4674c76d0d2e9ed07fbb9c86MD52ORIGINALT033_40820572_T.pdfT033_40820572_T.pdfapplication/pdf1729935http://172.16.0.151/bitstream/UNASAM/2770/1/T033_40820572_T.pdf723a9284eacd3b8e14ce0d53917d3a6bMD51UNASAM/2770oai:172.16.0.151:UNASAM/27702021-11-25 09:21:41.954DSpaceweduardov2005@gmail.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
score 12.658093
Capacidad predictiva de los métodos no paramétricos para la predicción del caudal medio mensual del río Santa, 2018
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