Aplicación de redes neuronales para la modelización y generación de series hidrológicas

Carpio Peláez, Karina Patricia

Please use this identifier to cite or link to this item: http://dspace.utpl.edu.ec/jspui/handle/123456789/10722

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Oñate Valdivieso, Fernando Rodrigo	-
dc.contributor.author	Carpio Peláez, Karina Patricia	-
dc.date.accessioned	2014-10-22T16:14:13Z	-
dc.date.available	2014-10-22	-
dc.date.issued	2014	-
dc.identifier.citation	Carpio Peláez, Karina Patricia. (2014). Aplicación de redes neuronales para la modelización y generación de series hidrológicas. (Trabajo de Fin de Titulación de Ingeniero Civil). UTPL. Loja. 73pp.	es_ES
dc.identifier.other	1151185	-
dc.identifier.uri	http://dspace.utpl.edu.ec/handle/123456789/10722	-
dc.description	This research aims to simulate average monthly flow information in watersheds: Rio Guayllabamba River Quijo, Rio Chico, Rio Pindo also daily data Catamayo basin, and Lemon, by using neural networks artificial, to obtain new funds, taking as input rainfall and watershed historical flows. The proposed model presents a multi-layered network architecture (feedforward) comprising three layers (input, hidden and output), the number of input neurons and hidden vary by model. The training function for modeling the watershed regulation Bayesian backpropagation. The training phase and validation of artificial neural network models is performed using different amount of input data, Depending on the basin.	es_ES
dc.description	El presente trabajo de investigación tiene como finalidad simular información de caudales medios mensuales en las cuencas hidrográficas: Río Guayllabamba, Río Quijos, Río Chico, Río Pindo, además datos diarios de la cuenca Catamayo, y la El Limón, mediante el uso de redes neuronales artificiales, para la obtención de nuevos caudales, tomando como datos de entrada las precipitaciones y caudales históricos de las cuencas. El modelo propuesto presenta una arquitectura de red multicapa (feedforward) que comprende tres capas (entrada, oculta y salida), el número de neuronas de entrada y ocultas varían de acuerdo al modelo. La función de entrenamiento para el modelamiento de las cuencas el Bayesian regulation backpropagation. La fase de entrenamiento y validación de los modelos con redes neuronales artificiales se realizaron utilizando diferentes cantidad datos de entrada, Dependiendo de la cuenca	es_ES
dc.language	spa	es_ES
dc.rights	openAccess	es_ES
dc.subject	Cuencas hidrográficas	es_ES
dc.subject	Redes neuronales artificiales	es_ES
dc.subject	Caudales de las cuencas	es_ES
dc.subject	Ingeniería Civil – Disertaciones académicas	es_ES
dc.title	Aplicación de redes neuronales para la modelización y generación de series hidrológicas	es_ES
dc.type	bachelorThesis	es_ES
Appears in Collections:	Ingeniero Civil

Files in This Item:

File	Description	Size	Format
Carpio Pelaez, Karina Patricia.pdf	Trabajo de fin de titulación PDF	2.49 MB	Adobe PDF	View/Open

Show simple item record