Estudio comparativo entre técnicas estadísticas multivariadas y redes neuronales artificiales para la optimización de la vigilancia de la calidad de agua para consumo humano en la red de salud Abancay 2022

• Autores: Zuloaga-Estacio, Frank Michael, Aquino-Cruz, Mario, Zuloaga-Estacio, Zuloaga-Estacio
• Formato: artículo
• Fecha de Publicación: 2024
• Institución: Universidad Nacional Micaela Bastidas de Apurímac
• Repositorio: UNMB-Riqchary
• Lenguaje: español
• OAI Identifier: oai:revistas.unamba.edu.pe:article/119
• Enlace del recurso: https://revistas.unamba.edu.pe/index.php/riqchary/article/view/119
• Nivel de acceso: acceso abierto
• Materia: discriminant analysis; hebbian-type artificial neural network; multilayer perceptron artificial neural network; principal component analysis; análisis de componentes principales; análisis discriminante; red neuronal artificial de tipo hebbiano; red neuronal artificial perceptrón multicapa.

Actualmente en la mayoría de instituciones, incluyendo la red de salud Abancay, se utiliza estadística tradicional con el fin de determinar tendencias sobre un conjunto de datos que se centra en una sola variable, es complicado aplicar este tipo de análisis a conjunto de datos multivariados, que son los que usualmente se obtienen en los programas de control de calidad de agua y, que excluye diferencias entre las variables analizadas y sus relaciones. El objetivo del estudio es realizar una comparación entre las diferentes técnicas estadísticas multivariables y redes neuronales artificiales, con la finalidad de relacionar y clasificar las variables. Para realizar esto se eligió dos técnicas de estadística multivariada, análisis de componentes principales (ACP) y análisis discriminante (AD) y dos tipos de redes Neuronales artificiales, de aprendizaje no supervisado, hebbiano (RNAH), y de aprendizaje supervisado, perceptrón multicapa (RNAPM), el tipo de investigación que se usará en el estudio será investigación aplicada de enfoque cuantitativo, con un nivel de investigación explicativo y con un diseño transversal. Dada la comparación entre el análisis de componentes principales y la red neuronal artificial de tipo Hebbiano, se obtuvo que las redes neuronales pudieron asociar mejor las variables que el análisis de componentes principales. En la segunda comparación entre el análisis discriminante y la red neuronal artificial perceptrón multicapa los resultados fueron buenos para el análisis discriminante debido a que obtuvo un 95% de clasificación correcta, mientras que la red neuronal artificial obtuvo un 74.6%, sin embargo, debido a las limitaciones del análisis discriminante, se infiere que la red neuronal artificial perceptrón multicapa es un mejor modelo a escoger.