Mostrar el registro sencillo del ítem
Uso de un modelo de aprendizaje automático para la estimación de la calidad de aguas subterráneas. San Martín 2024
dc.contributor.advisor | Paredes Aguilar, Luis | |
dc.contributor.author | Donayre Aquino, Katerin Belier | |
dc.contributor.author | Mori Flores, Barbara Rosa | |
dc.date.accessioned | 2025-02-24T17:09:36Z | |
dc.date.available | 2025-02-24T17:09:36Z | |
dc.date.issued | 2024 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12692/160811 | |
dc.description.abstract | El proyecto se ajusta al ODS N°06 denominado Agua y Saneamiento. Se tuvo como objetivo predecir la calidad de las aguas subterráneas mediante la aplicación de un modelo de aprendizaje automático. Se dispone en la metodología la población y muestra, como población una base con 1106 grupos de datos de aguas subterráneas, extraídos del portal de datos de Telangana, se consignó 902 datos que representan nuestra muestra, el cual nos permitió predecir entre 4 tipos de calidad de aguas subterráneas: C2S1, C3S1, C4S1, C4S2. Respecto al tipo de investigación es aplicada con enfoque cuantitativo, el diseño de la investigación fue experimental transversal, según la OCDE este proyecto está considerado como un proceso de innovación debido a la mejora de los procesos de manera significativa. Se logró predecir la calidad del agua subterránea mediante el uso de una red neuronal artificial con una exactitud de 91.16% en función a los parámetros químicos y no químicos utilizando el programa Rapidminer. Se concluyó que el modelo de aprendizaje automático “Red Neuronal Artificial” fue un modelo eficiente para predecir, al presentar un mínimo margen de error y su exactitud estar dentro del rango permitido para ser un modelo exitoso. | es_PE |
dc.format | application/pdf | es_PE |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad César Vallejo | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | es_PE |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | es_PE |
dc.source | Repositorio Institucional - UCV | es_PE |
dc.source | Universidad César Vallejo | es_PE |
dc.subject | Aguas subterráneas | es_PE |
dc.subject | Calidad de agua | es_PE |
dc.subject | Modelo de aprendizaje automático | es_PE |
dc.subject | Red neuronal artificial | es_PE |
dc.title | Uso de un modelo de aprendizaje automático para la estimación de la calidad de aguas subterráneas. San Martín 2024 | es_PE |
dc.type | info:eu-repo/semantics/bachelorThesis | es_PE |
thesis.degree.discipline | Ingeniería Civil | es_PE |
thesis.degree.grantor | Universidad César Vallejo. Facultad de Ingeniería y Arquitectura | es_PE |
thesis.degree.name | Ingeniera Civil | es_PE |
dc.description.sede | Tarapoto | es_PE |
dc.description.escuela | Escuela de Ingeniería Civil | es_PE |
dc.description.lineadeinvestigacion | Diseño de Obras Hidráulicas y Saneamiento | es_PE |
renati.advisor.dni | 01158952 | |
renati.advisor.orcid | https://orcid.org/0000-0002-1375-179X | es_PE |
renati.author.dni | 71655779 | |
renati.author.dni | 72160039 | |
renati.discipline | 732038 | es_PE |
renati.juror | Flores Arevalo, Renzo Renato | |
renati.juror | Torres Saavedra, Diana Alexi | |
renati.juror | Paredes Aguilar, Luis | |
renati.level | https://purl.org/pe-repo/renati/level#tituloProfesional | es_PE |
renati.type | https://purl.org/pe-repo/renati/type#tesis | es_PE |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.01.01 | es_PE |
dc.publisher.country | PE | es_PE |
dc.description.lig | Desarrollo sostenible, emprendimientos y responsabilidad social. | es_PE |
dc.description.rsu | Desarrollo económico, empleo y emprendimiento | es_PE |
dc.description.ods | Trabajo decente y crecimiento económico | es_PE |
dc.description.modality | PRESENCIAL | es_PE |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(es)
-
Tarapoto [424]