Título : |
Modelo ondulatorio local aplicando modelos matemáticos con redes neuronales artificiales, regresión lineal múltiple en la urbanización Totorani Puno |
Tipo de documento: |
documento electrónico |
Autores: |
Joel Nexon Vilca Atencio, Autor ; Jhon Walter Ccopa Gutierrez, Autor |
Editorial: |
Puno : Universidad Nacional del Altiplano. Facultad de Ciencias Agrarias. Escuela Profesional de Ingeniería Topográfica y Agrimensura |
Fecha de publicación: |
2022 |
Número de páginas: |
127 páginas |
Il.: |
ilustraciones, tablas |
Nota general: |
Para optar Título Profesional de Ingeniero Topógrafo y Agrimensor |
Idioma : |
Español (spa) |
Resumen: |
La presente investigación titulada “Modelo ondulatorio local aplicando modelos matemáticos con redes neuronales artificiales, regresión lineal múltiple en la Urbanización Totorani Puno”, Distrito, Provincia y Departamento de Puno. El objetivo general fue, determinar el modelo geoidal local aplicando modelos matemáticos con redes neuronales artificiales, regresión lineal múltiple (GNSS/nivelación) y los objetivos específicos fueron: determinar la malla ondulatoria mediante los modelos matemáticos y comparar las aproximaciones ondulatorias obtenidas mediante los mismos con respecto a las altitudes conocidas respectivamente. El método utilizado para generar la malla ondulatoria es a través de las predicciones empleando coordenadas Este y Norte. El tratamiento estadístico de la presente investigación fue t Student, el resultado de la prueba estadística para la regresión lineal múltiple, se obtuvo un valor de t=-0.428, quedando menor al valor critico t_0.05=2.31, por lo que se acepta la hipótesis nula, de igual forma para las redes neuronales artificiales, se obtuvo un valor de t=-0.267, quedando menor al valor critico t_0.05=2.31, por lo que acepta la hipótesis nula. En conclusión, del análisis comparativo estadístico, concluye que el modelo matemático de regresión lineal múltiple es el más próximo a las alturas obtenidas por método GNNS/nivelación, que alcanza una precisión de 0.012m y las redes neuronales artificiales llega a una precisión de 0.020m. |
En línea: |
http://repositorio.unap.edu.pe/handle/20.500.14082/17968 |
Link: |
https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=112754 |
Modelo ondulatorio local aplicando modelos matemáticos con redes neuronales artificiales, regresión lineal múltiple en la urbanización Totorani Puno [documento electrónico] / Joel Nexon Vilca Atencio, Autor ; Jhon Walter Ccopa Gutierrez, Autor . - Puno : Universidad Nacional del Altiplano. Facultad de Ciencias Agrarias. Escuela Profesional de Ingeniería Topográfica y Agrimensura, 2022 . - 127 páginas : ilustraciones, tablas. Para optar Título Profesional de Ingeniero Topógrafo y Agrimensor Idioma : Español ( spa)
Resumen: |
La presente investigación titulada “Modelo ondulatorio local aplicando modelos matemáticos con redes neuronales artificiales, regresión lineal múltiple en la Urbanización Totorani Puno”, Distrito, Provincia y Departamento de Puno. El objetivo general fue, determinar el modelo geoidal local aplicando modelos matemáticos con redes neuronales artificiales, regresión lineal múltiple (GNSS/nivelación) y los objetivos específicos fueron: determinar la malla ondulatoria mediante los modelos matemáticos y comparar las aproximaciones ondulatorias obtenidas mediante los mismos con respecto a las altitudes conocidas respectivamente. El método utilizado para generar la malla ondulatoria es a través de las predicciones empleando coordenadas Este y Norte. El tratamiento estadístico de la presente investigación fue t Student, el resultado de la prueba estadística para la regresión lineal múltiple, se obtuvo un valor de t=-0.428, quedando menor al valor critico t_0.05=2.31, por lo que se acepta la hipótesis nula, de igual forma para las redes neuronales artificiales, se obtuvo un valor de t=-0.267, quedando menor al valor critico t_0.05=2.31, por lo que acepta la hipótesis nula. En conclusión, del análisis comparativo estadístico, concluye que el modelo matemático de regresión lineal múltiple es el más próximo a las alturas obtenidas por método GNNS/nivelación, que alcanza una precisión de 0.012m y las redes neuronales artificiales llega a una precisión de 0.020m. |
En línea: |
http://repositorio.unap.edu.pe/handle/20.500.14082/17968 |
Link: |
https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=112754 |
Modelo ondulatorio local aplicando modelos matemáticos con redes neuronales artificiales, regresión lineal múltiple en la urbanización Totorani Puno
La presente investigación titulada “Modelo ondulatorio local aplicando modelos matemáticos con redes neuronales artificiales, regresión lineal múltiple en la Urbanización Totorani Puno”, Distrito, Provincia y Departamento de Puno. El objetivo general fue, determinar el modelo geoidal local aplicando modelos matemáticos con redes neuronales artificiales, regresión lineal múltiple (GNSS/nivelación) y los objetivos específicos fueron: determinar la malla ondulatoria mediante los modelos matemáticos y comparar las aproximaciones ondulatorias obtenidas mediante los mismos con respecto a las altitudes conocidas respectivamente. El método utilizado para generar la malla ondulatoria es a través de las predicciones empleando coordenadas Este y Norte. El tratamiento estadístico de la presente investigación fue t Student, el resultado de la prueba estadística para la regresión lineal múltiple, se obtuvo un valor de t=-0.428, quedando menor al valor critico t_0.05=2.31, por lo que se acepta la hipótesis nula, de igual forma para las redes neuronales artificiales, se obtuvo un valor de t=-0.267, quedando menor al valor critico t_0.05=2.31, por lo que acepta la hipótesis nula. En conclusión, del análisis comparativo estadístico, concluye que el modelo matemático de regresión lineal múltiple es el más próximo a las alturas obtenidas por método GNNS/nivelación, que alcanza una precisión de 0.012m y las redes neuronales artificiales llega a una precisión de 0.020m.
Vilca Atencio, Joel NexonCcopa Gutierrez, Jhon Walter - -
Puno : Universidad Nacional del Altiplano. Facultad de Ciencias Agrarias. Escuela Profesional de Ingeniería Topográfica y Agrimensura - 2022
Para optar Título Profesional de Ingeniero Topógrafo y Agrimensor
|
| |