Uso de redes neuronales artificiales para predecir el desabastecimiento de agua en las captaciones de los ríos, Tarapoto – 2025

• Autores: Caballero Castillo, Christy Andrea, Davila Gomez, Fiorella
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/175369
• Enlace del recurso: https://hdl.handle.net/20.500.12692/175369
• Nivel de acceso: acceso abierto
• Materia: Inteligencia artificial; Recopilación de datos; Agua potable; https://purl.org/pe-repo/ocde/ford#2.01.01

La gestión de los recursos hídricos se encuentra con desafíos, en este escenario, el aprendizaje automático en RNA, es un recurso útil para mejorar la recolección y distribución de cantidades de información hidrológica. Esta perspectiva puede prever sequías e inundaciones y optimizar la administración de cuencas. El estudio concuerda con el ODS 6, que pretende asegurar el acceso a agua pura y saneamiento, específicamente en la meta 6.4, persigue garantizar un uso eficaz del agua en todas las áreas, la sostenibilidad en la obtención y provisión de agua dulce cubriendo la demanda. El objetivo de la investigación es desarrollar un modelo de redes neuronales artificiales para predecir el desabastecimiento de agua en las captaciones de los ríos; Tarapoto – 2024. Además, se reconocen desafíos particulares en la ciudad de Tarapoto, donde la imprecisión en las estimaciones de consumo y la infraestructura deficiente dificultan la administración del agua. La implementación de redes neuronales artificiales se sugiere como respuesta para anticipar escasez y mejorar la administración del recurso de agua. La metodología comprende un enfoque cuantitativo con un diseño experimental, recopilación de información acerca de variables ambientales y operativas, elaboración de un modelo de RNA y valoración de su exactitud en diversos contextos.