Generación de caudales mensuales mediante redes neuronales artificiales a partir de precipitaciones mensuales en la sub cuenca Querococha, Recuay – 2017. / Alex Hessler, Pineda Pariamachi
Tipo de material:![Texto](/opac-tmpl/lib/famfamfam/BK.png)
Tipo de ítem | Biblioteca actual | Signatura | Estado | Fecha de vencimiento | Código de barras |
---|---|---|---|---|---|
![]() |
Biblioteca Especializada de Ciencias Agrarias | T06-IA 0344 P59 2018 (Navegar estantería(Abre debajo)) | Disponible | FCAIA0344 |
Navegando Biblioteca Especializada de Ciencias Agrarias Estantes Cerrar el navegador de estanterías (Oculta el navegador de estanterías)
Incluye: Anexos
ASESOR: Ph.D. Salas Díaz, Abelardo Manrique
Tesis para optar el titulo de Ingeniero Agrícola - 2018
Bibliografía: h 71 - 73.
Indice: I. Introducción -- II. Revisión bibliográfica -- III. Materiales y métodos -- IV. Resultados.-- V. Conclusiones -- Recomendaciones.
Generación de caudales mensuales mediante redes neuronales artificiales a partir de precipitaciones mensuales en la sub cuenca Querococha, Recuay – 2017
El objetivo principal de la investigación fue generar caudales mensuales a partir de precipitaciones mensuales en la sub cuenca de Querococha ubicado en la provincia de Recuay. La tipificación del estudio es aplicada de nivel predictivo, según el diseño de la investigación es no experimental y según la naturaleza de los datos manejados es cuantitativa. El método consistió en la aplicación de redes neuronales artificiales, específicamente, del modelo backpropagation, de este se probaron tres tipos de red neuronal artificial: Cascade forward backpropagation. Elman backpropagation y Feed forward backpropagation. Para definir la estructura más eficiente, se realizaron iteraciones en las funciones fundamentales basados en tres procesos principales: entrenamiento, validación y generación para cada tipo de red, se priorizo la generación de caudales mensuales, analizando previamente estos procesos en las precipitaciones mensuales; estos procesos se especifican en el contenido de la Investigación. Se obtuvo un resultado satisfactorio en el uso de los tres tipos de red, resaltando de los tres el tipo Elman backpropagation, el cual presenta un coeficiente de correlación de 0.90 y un error máxima de 0.60 m3/seg. Desde esta perspectiva una de las conclusiones más importantes es la viabilidad de la generación de caudales mensuales mediante la aplicación de las redes neuronales artificiales solo con una variable de apoyo en este caso las precipitaciones mensuales.
Ing. Agrícola
No hay comentarios en este titulo.