Mostrar el registro sencillo del ítem

dc.contributor.advisor Menacho, César
dc.contributor.advisor Chávez, Raúl
dc.contributor.author Latínez Sotomayor, Karen Alexandra
dc.date.accessioned 2016-04-13T22:14:53Z
dc.date.accessioned 2017-02-27T22:51:59Z
dc.date.available 2016-04-13T22:14:53Z
dc.date.available 2017-02-27T22:51:59Z
dc.date.issued 2009
dc.identifier.citation Latínez, K. A. (2009).==$Comparación de los métodos regresión multivariada adaptativa utilizando splines (MARS) y redes neuronales artificiales backpropagation (RNAB) para el pronóstico de lluvias y temperaturas en la Cuenca del río Mantaro$==(Tesis para optar el título de Ingeniero Estadístico e Informático). Universidad Nacional Agraria La Molina, Lima, Perú. es_ES
dc.identifier.uri http://repositorio.igp.gob.pe/handle/IGP/85
dc.description.abstract Muchas actividades agrícolas dependen significativamente de la precipitación y la temperatura, afectando la producción y productividad de los cultivos. La cuenca del río Mantaro, (Junín-Perú), está expuesta a una alta variabilidad climática debido a su ubicación y características geográficas. Además, son escasos los trabajos de investigación sobre la elaboración y utilización de pronósticos climáticos para aprovecharlos en la agricultura, por ello esta investigación se plantea ampliar el conocimeinto al respecto. Se utilizaron datos de las estaciones de Huayao, Santa Ana, Jaula y Viques, y una vez que estos datos fueron revisados y se eliminaron los valores atípicos extremos se procedió a su análisis con las técnicas: Regresión Multivariada Adaptativa utilizando Splines (MARS) y las Redes Neuronales Artificiales Backpropagation (RNAB). Las redes neuronales utilizada para el análisis consta de 17 nodos en el caso de las precipitaciones y 15 para las temperaturas tanto mínimas como máximas. Las variables explicativas que se utilizaron en este estudio son variables globales provenientes de información secundaria, siendo recomendable que para próximos estudios se revise la calidad de esas variables. Los inputs utilizados tienen un desfase de tres meses (lag=3). Los resultados mostraron que los pronósticos obtenidos al utilizar el modelo MARS tienen menor error que los obtenidos con las RNAB, a excepción de la variable Temperatura Máxima de Huayao en donde la RNAB resultó con menos errores que el modelo MARS. es_ES
dc.description.uri Tesis es_ES
dc.format application/pdf es_ES
dc.language.iso spa es_ES
dc.publisher Universidad Nacional Agraria La Molina
dc.rights info:eu-repo/semantics/openAccess es_ES
dc.rights.uri http://creativecommons.org/licences/by-nc-nd/2.5/pe/
dc.source Repositorio institucional - IGP es_ES
dc.subject Redes neuronales es_ES
dc.subject Multivariate Adaptative Regression Splines es_ES
dc.subject Pronóstico es_ES
dc.subject Precipitación es_ES
dc.subject Temperatura es_ES
dc.subject Huancayo es_ES
dc.subject Perú es_ES
dc.subject Backpropagation es_ES
dc.title Comparación de los métodos regresión multivariada adaptativa utilizando splines (MARS) y redes neuronales artificiales backpropagation (RNAB) para el pronóstico de lluvias y temperaturas en la Cuenca del río Mantaro es_ES
dc.type info:eu-repo/semantics/bachelorThesis es_ES
dc.subject.ocde Meteorología y Ciencias Atmosféricas es_ES
thesis.degree.name Ingeniero Estadístico e Informático es_ES
thesis.degree.grantor Universidad Nacional Agraria La Molina. Facultad de Economía y Planificación es_ES
thesis.degree.level Título Profesional es_ES
thesis.degree.discipline Ingeniería Estadística e Informática es_ES

Thumbnail

 Disponible

Mostrar el registro sencillo del ítem

info:eu-repo/semantics/openAccess Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/openAccess