Título : |
Estimación de la evapotranspiración de referencia utilizando modelos de redes neurales artificiales en función de elementos climáticos en la cuenca del rio Huancané |
Tipo de documento: |
texto impreso |
Autores: |
Lianne Cadnis Machaca Apaza, Autor |
Editorial: |
Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Agrícola. Escuela Profesional de Ingeniería Agrícola |
Fecha de publicación: |
2016 |
Número de páginas: |
149 páginas |
Il.: |
ilustraciones, diagramas, tablas |
Dimensiones: |
30 cm |
Material de acompañamiento: |
1 CD-ROM |
Nota general: |
Para Optar el Título Profesional de: Ingeniero Agrícola |
Idioma : |
Español (spa) |
Resumen: |
Estimar evapotranspiración de referencia utilizando modelos de Redes Neuronales Artificiales (RNA) en función de elementos climáticos, así mismo se estableció diferentes modelos de RNA y se realizó el análisis comparativo de los resultados de la ETo estimada por los modelos de RNA con los métodos empíricos. Los datos usados fueron datos diarios de tres estaciones meteorológicas de la cuenca del rio Huancané, durante el desarrollo se observo que la estación Muñani no cuenta con datos de horas sol es ahí donde se vislumbra plantear modelos de RNA para estimar la ETo, con las mismas o menos variables que utilizan los métodos empíricos. Para lo cual se planteo diferentes modelos con variables de entrada de (temperatura, velocidad del viento, humedad relativa y horas de sol) y siempre con una misma variable de salida (evapotranspiración de referencia). Para el entrenamiento se utilizo el 70% de datos, para la validación el 15% de datos y para la prueba el 15% de datos, así mismo se uso la arquitectura Perceptron Multicapa con el algoritmo de entrenamiento “backpropagation”. Desempeño de los modelos de RNA frente a los métodos empíricos se utilizo indicadores estadísticos como: el coeficiente de determinación (R2) y el coeficiente de correlación (r). Finalmente la investigación ha logrado establecer cinco modelos de RNA en función de elementos climáticos con las mismas y menos variables que utiliza el método FAO 56 Penman Monteith. Los modelos RNA-1, RNA-3, RNA-2, RNA-7 y RNA-6 presentan un mejor desempeño con un porcentaje de ajuste de 93.13%, 86.73%, 84.40%, 83.90% y 83.64% respectivamente y con un coeficiente de correlación de 96.50%, 93.13%, 91.87%, 91.60% y 91.46% respectivamente. Por lo tanto se comprobó que los modelos de RNA en función de elementos climáticos muestran un mejor desempeño frente a los modelos de Hargreaves – Samani (1985) y Tanque de evaporación clase A. |
Link: |
https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=92778 |
Estimación de la evapotranspiración de referencia utilizando modelos de redes neurales artificiales en función de elementos climáticos en la cuenca del rio Huancané [texto impreso] / Lianne Cadnis Machaca Apaza, Autor . - Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Agrícola. Escuela Profesional de Ingeniería Agrícola, 2016 . - 149 páginas : ilustraciones, diagramas, tablas ; 30 cm + 1 CD-ROM. Para Optar el Título Profesional de: Ingeniero Agrícola Idioma : Español ( spa)
Resumen: |
Estimar evapotranspiración de referencia utilizando modelos de Redes Neuronales Artificiales (RNA) en función de elementos climáticos, así mismo se estableció diferentes modelos de RNA y se realizó el análisis comparativo de los resultados de la ETo estimada por los modelos de RNA con los métodos empíricos. Los datos usados fueron datos diarios de tres estaciones meteorológicas de la cuenca del rio Huancané, durante el desarrollo se observo que la estación Muñani no cuenta con datos de horas sol es ahí donde se vislumbra plantear modelos de RNA para estimar la ETo, con las mismas o menos variables que utilizan los métodos empíricos. Para lo cual se planteo diferentes modelos con variables de entrada de (temperatura, velocidad del viento, humedad relativa y horas de sol) y siempre con una misma variable de salida (evapotranspiración de referencia). Para el entrenamiento se utilizo el 70% de datos, para la validación el 15% de datos y para la prueba el 15% de datos, así mismo se uso la arquitectura Perceptron Multicapa con el algoritmo de entrenamiento “backpropagation”. Desempeño de los modelos de RNA frente a los métodos empíricos se utilizo indicadores estadísticos como: el coeficiente de determinación (R2) y el coeficiente de correlación (r). Finalmente la investigación ha logrado establecer cinco modelos de RNA en función de elementos climáticos con las mismas y menos variables que utiliza el método FAO 56 Penman Monteith. Los modelos RNA-1, RNA-3, RNA-2, RNA-7 y RNA-6 presentan un mejor desempeño con un porcentaje de ajuste de 93.13%, 86.73%, 84.40%, 83.90% y 83.64% respectivamente y con un coeficiente de correlación de 96.50%, 93.13%, 91.87%, 91.60% y 91.46% respectivamente. Por lo tanto se comprobó que los modelos de RNA en función de elementos climáticos muestran un mejor desempeño frente a los modelos de Hargreaves – Samani (1985) y Tanque de evaporación clase A. |
Link: |
https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=92778 |
Estimación de la evapotranspiración de referencia utilizando modelos de redes neurales artificiales en función de elementos climáticos en la cuenca del rio Huancané
Estimar evapotranspiración de referencia utilizando modelos de Redes Neuronales Artificiales (RNA) en función de elementos climáticos, así mismo se estableció diferentes modelos de RNA y se realizó el análisis comparativo de los resultados de la ETo estimada por los modelos de RNA con los métodos empíricos. Los datos usados fueron datos diarios de tres estaciones meteorológicas de la cuenca del rio Huancané, durante el desarrollo se observo que la estación Muñani no cuenta con datos de horas sol es ahí donde se vislumbra plantear modelos de RNA para estimar la ETo, con las mismas o menos variables que utilizan los métodos empíricos. Para lo cual se planteo diferentes modelos con variables de entrada de (temperatura, velocidad del viento, humedad relativa y horas de sol) y siempre con una misma variable de salida (evapotranspiración de referencia). Para el entrenamiento se utilizo el 70% de datos, para la validación el 15% de datos y para la prueba el 15% de datos, así mismo se uso la arquitectura Perceptron Multicapa con el algoritmo de entrenamiento “backpropagation”. Desempeño de los modelos de RNA frente a los métodos empíricos se utilizo indicadores estadísticos como: el coeficiente de determinación (R2) y el coeficiente de correlación (r). Finalmente la investigación ha logrado establecer cinco modelos de RNA en función de elementos climáticos con las mismas y menos variables que utiliza el método FAO 56 Penman Monteith. Los modelos RNA-1, RNA-3, RNA-2, RNA-7 y RNA-6 presentan un mejor desempeño con un porcentaje de ajuste de 93.13%, 86.73%, 84.40%, 83.90% y 83.64% respectivamente y con un coeficiente de correlación de 96.50%, 93.13%, 91.87%, 91.60% y 91.46% respectivamente. Por lo tanto se comprobó que los modelos de RNA en función de elementos climáticos muestran un mejor desempeño frente a los modelos de Hargreaves – Samani (1985) y Tanque de evaporación clase A.
Machaca Apaza, Lianne Cadnis -
Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Agrícola. Escuela Profesional de Ingeniería Agrícola - 2016
Para Optar el Título Profesional de: Ingeniero Agrícola
|
| |