Las redes neuronales en la predicción de caudales de las cuencas hidrográficas de la región Junín

• Autor: Sinche Yupanqui, Marliny
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Peruana Los Andes
• Repositorio: UPLA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.upla.edu.pe:20.500.12848/8541
• Enlace del recurso: https://hdl.handle.net/20.500.12848/8541
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales; Cuencas hidrográficas; Predicción; Caudales; https://purl.org/pe-repo/ocde/ford#2.01.01

La presente investigación tuvo como problema de investigación: ¿Cuáles serían los resultados de las redes neuronales en la predicción de caudales de las cuencas hidrográficas de la región Junín, en el año 2024?, el objetivo fue: Determinar cuáles serían los resultados de las redes neuronales en la predicción de caudales de las cuencas hidrográficas de la región Junín, en el año 2024. La hipótesis fue que: Los resultados de las redes neuronales serían significativos en la predicción de caudales de las cuencas hidrográficas de la región Junín, en el año 2024. La investigación fue de método científico, de tipo básica, con un nivel explicativo y de diseño no experimental. La población estuvo constituida por las cuencas hidrográficas de la región Junín. La muestra estuvo conformada por la cuenca hidrográfica del Río Mantaro de la región Junín. El resultado más resaltante fue que las predicciones realizadas por la red neuronal competitiva para las subcuencas del Río Mantaro en 2024 muestran una precisión razonable en comparación con los valores reales de caudal. Las diferencias entre los caudales predichos y los reales oscilan entre -0.6 m³/s y 1.4 m³/s, con una media de diferencia de 0.3 m³/s y una desviación estándar de 0.6 m³/s. La conclusión más resaltante fue que el uso de redes neuronales para la predicción de caudales en las cuencas hidrográficas de la región Junín para el año 2024 ha demostrado ser una metodología efectiva, con ambas arquitecturas la red neuronal competitiva y la red neuronal recurrente (LSTM) proporcionando resultados valiosos.