Predicción del caudal del río Torata utilizando algoritmos de Machine Learning para el aprovisionamiento de agua a la población del distrito
dc.contributor.advisor | Fabian Arteaga, Junior Jhon | |
dc.contributor.author | Aguirre Vasquez, Mayra Araceli | |
dc.contributor.author | Churampi Coronado, Heidy Denis Ana | |
dc.contributor.author | Garcia Garcia, Jeff Steven | |
dc.contributor.author | Mamani Ventura, Danny Alvis | |
dc.contributor.author | Montes Manrique, Diego Alfredo | |
dc.coverage.spatial | Perú | |
dc.coverage.spatial | Moquegua | |
dc.coverage.spatial | Torata | |
dc.date.accessioned | 2024-06-09T17:50:41Z | |
dc.date.available | 2024-06-09T17:50:41Z | |
dc.date.issued | 2024 | |
dc.description.abstract | Diferentes estudios utilizan el aprendizaje automático para el análisis de datos y por ende construir modelos predictivos y encontrar comportamientos que representen diversas variables de salida. Basado en ello, el presente trabajo de suficiencia profesional tiene como misión principal desarrollar un modelo para predecir el caudal del río Torata utilizando algoritmos de Machine Learning y con ello estimar la oferta hídrica, además se busca brindar un marco amplio a las autoridades en la toma de medidas proactivas para garantizar un adecuado aprovisionamiento de agua a la población, incluyendo la administración de infraestructuras de almacenamiento, división y tratamiento. Utilizando datos históricos de las estaciones hidrométricas y meteorológicas del río Torata monitoreados y proporcionadas por la Mina Cuajone y técnicas de Machine Learning, se desarrollaron modelos predictivos para brindar un aporte eficaz al proyecto de aprovisionamiento de agua (Presa Altarani). La investigación se estructura en seis capítulos que abarcan desde el planteamiento del problema y metodología, dando como resultado el mejor modelo de predicción SVR lineal con un 𝑅2de 0.946 y un MSE de 0.041, hasta la presentación de conclusiones y una proyección de 5 años del caudal y oferta hídrica del río Torata con R𝟐 de 0.877 y MSE de 0.123. | es_ES |
dc.format | application/pdf | es_ES |
dc.identifier.uri | https://hdl.handle.net/20.500.12640/3942 | |
dc.language.iso | spa | es_ES |
dc.publisher | Universidad ESAN | es_ES |
dc.publisher.country | PE | es_ES |
dc.rights | Atribución-NoComercial-SinDerivadas 2.5 Perú | * |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ | * |
dc.subject | Aprendizaje automático | es_ES |
dc.subject | Técnicas de predicción | es_ES |
dc.subject | Recursos hídricos | es_ES |
dc.subject | Abastecimiento de agua | es_ES |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.11.04 | es_ES |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#5.02.04 | es_ES |
dc.title | Predicción del caudal del río Torata utilizando algoritmos de Machine Learning para el aprovisionamiento de agua a la población del distrito | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
dc.type.other | Trabajo de suficiencia profesional | es_ES |
renati.advisor.dni | 44749148 | |
renati.advisor.orcid | https://orcid.org/0000-0001-9804-7795 | es_ES |
renati.author.dni | 70071958 | |
renati.author.dni | 77504924 | |
renati.author.dni | 70204088 | |
renati.author.dni | 73511776 | |
renati.author.dni | 72355517 | |
renati.discipline | 722056 | es_ES |
renati.discipline | 521236 | es_ES |
renati.discipline | 613066 | es_ES |
renati.juror | Lizarzaburu Bolaños, Edmundo | |
renati.juror | Ballon Alvarez, Joseph | |
renati.level | https://purl.org/pe-repo/renati/level#tituloProfesional | es_ES |
renati.type | https://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional | es_ES |
thesis.degree.discipline | Ingeniería Industrial y Comercial | es_ES |
thesis.degree.discipline | Ingeniería en Gestión Ambiental | es_ES |
thesis.degree.discipline | Ingeniería de Tecnologías de Información y Sistemas | es_ES |
thesis.degree.grantor | Universidad ESAN. Facultad de Ingeniería | es_ES |
thesis.degree.name | Ingeniero Industrial y Comercial | es_ES |
thesis.degree.name | Ingeniero en Gestión Ambiental | es_ES |
thesis.degree.name | Ingeniero de Tecnologías de Información y Sistemas | es_ES |
Files
Original bundle
1 - 3 of 3
Loading...
- Name:
- 2024_IIC_24-1_01_TC.pdf
- Size:
- 8.38 MB
- Format:
- Adobe Portable Document Format
- Description:
- Texto completo
No Thumbnail Available
- Name:
- 2024_IIC_24-1_01_F.pdf
- Size:
- 339.79 KB
- Format:
- Adobe Portable Document Format
- Description:
- Autorización (acceso restringido)
No Thumbnail Available
- Name:
- 2024_IIC_24-1_01_TU.pdf
- Size:
- 29.68 MB
- Format:
- Adobe Portable Document Format
- Description:
- Informe Turnitin (acceso restringido)