Fabian Arteaga, Junior JohnEncina Dávila, Astrid Floria MilagritosPacheco Hinojoza, Mirella AlejandraVargas Martell, Vannia Giovana2023-05-082023-05-082023https://hdl.handle.net/20.500.12640/3377Distintos estudios están empleando técnicas de Machine Learning para el análisis de datos para hallar comportamientos que posibiliten crear modelos matemáticos predictivos y pronosticar diversas variables de salida. En este sentido, el presente trabajo de investigación se enfoca en los esfuerzos realizados para predecir el caudal efluente en la represa Condoroma, perteneciente a la Autoridad Autónoma de Majes (Autodema), donde se incluye el uso de técnicas de aprendizaje supervisado. Para ello, se utiliza una base de datos abiertos de dos plataformas de Autodema: Movimiento Hídrico Sistema Colca y Meteorología Represas. Estos datos históricos son resultados de mediciones mensuales del sistema de monitoreo del recurso hídrico. Además, se manejan para entrenar los modelos Regresión Lineal, Regresión de Vectores de Soporte (SVR) y ARIMA; asimismo, se utilizaron métricas como el MAE, MSE, RMSE y varianza para medir el modelo con el mejor rendimiento. Con base en los resultados obtenidos, se determinó que para predecir el caudal efluente de la represa Condoroma la mejor técnica fue la de SVR que obtuvo un MAE de 5.536, un MSE de 83.701, un RMSE de 9.145 y una varianza igual a 0.427.application/pdfspainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/Aprendizaje automáticoTécnicas de predicciónRecursos hídricosRepresasinfo:eu-repo/semantics/bachelorThesishttps://purl.org/pe-repo/ocde/ford#2.07.00