Modelo de red neuronal para mejorar la dosificación de cloro gas en la planta de tratamiento de agua potable de la Municipalidad Provincial de Tayacaja

• Autor: Padilla Sánchez, Raúl
• Formato: tesis de maestría
• Fecha de Publicación: 2021
• Institución: Universidad Nacional del Centro del Perú
• Repositorio: UNCP - Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uncp.edu.pe:20.500.12894/7235
• Enlace del recurso: http://hdl.handle.net/20.500.12894/7235
• Nivel de acceso: acceso abierto
• Materia: Red neuronal artificial; Feedforward; Aproximación de función; https://purl.org/pe-repo/ocde/ford#2.02.04

La tesis tiene como objetivo desarrollar un modelo de red neuronal artificial que permita predecir la dosificación de cloro gas, el tipo de investigación es aplicada, con un nivel de investigación correlacional ya que interesa conocer el grado de asociación que existe entre las variables objetivo y pronosticado por el modelo, la población está conformada por 118 registros históricos registrados durante los meses de junio a diciembre de 2018, luego de un análisis estadístico con el software SPSS, se identificaron 8 registros atípicos que fueron eliminados en el estudio, lo que permitió tener una muestra de 110 registros, los instrumentos utilizados en la lectura de datos de las variables turbidez, temperatura, pH y cloro gas se realizaron con equipos certificados y calibrados, con respecto al caudal se realiza una estimación de su valor. El modelo de red neuronal está compuesto por una capa oculta formada por 14 neuronas, una función tangente hiperbólica como función de activación y una función lineal como función de salida, como error cuadrático medio (MSE), se obtiene el valor de 0,00864298, como coeficiente de correlación 0.89815 que indica una fuerte relación lineal entre las salidas objetivo y las predichas por el modelo, el coeficiente de determinación tiene un valor de 0.81, lo que indica que hay un buen ajuste de los datos al modelo. La ecuación de regresión multivariante de entrada-salida no lineal predeterminada para nuestro modelo es y=b0+LW*tansig(bh+ones(1,N)+IW*x).