Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.undac.edu.pe/handle/undac/2450
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorMarcelo Ames, Julio Alejandro-
dc.contributor.authorPalacios Paytan, Grover Giovanni-
dc.date.accessioned2022-03-03T05:10:11Z-
dc.date.available2022-03-03T05:10:11Z-
dc.date.issued2022-01-28-
dc.identifier.urihttp://repositorio.undac.edu.pe/handle/undac/2450-
dc.description.abstractEn la investigación se obtienen modelos metaheurísticos basados en redes neuronales artificiales para la corrección de la precipitación mensual estimada por los satélites TRMM (producto 3B43V7) y GPM (producto 3IMERGV05), en la cuenca aguas arriba de la Estación Hidrométrica San Rafael, ubicada dentro de la Intercuenca Alto Huallaga. Para el análisis se utilizó información del SENAMHI de 3 estaciones meteorológicas (Cerro de Pasco, Yanahuanca y San Rafael), con sus correspondientes estaciones virtuales TRMM y GPM. Se evalúa la calidad de la precipitación satelital antes y después de la corrección con los modelos propuestos mediante estimadores de bondad de ajuste y se da una mayor relevancia al coeficiente de Nash-Sutcliffe debido a su amplio uso en hidrología. Los resultados indican que se obtienen mejoras en todos los indicadores de bondad de ajuste empleados, es así que para el satélite TRMM a nivel puntual el coeficiente de Nash para la Estación Cerro de Pasco pasa de 0.57 a 0.71, para la Estación Yanahuanca pasa de 0.55 a 0.66, para la Estación San Rafael pasa de 0.09 a 0.70 y a nivel areal pasa de 0.56 a 0.75; para el satélite GPM a nivel puntual el coeficiente de Nash para la Estación Cerro de Pasco pasa de 0.44 a 0.81, para la Estación Yanahuanca pasa de 0.56 a 0.92, para la Estación San Rafael pasa de -0.13 a 0.73 y a nivel areal pasa de 0.47 a 0.81. Se concluye que los modelos propuestos mejoran la calidad de la precipitación satelital a valores adecuados para su uso.es_ES
dc.description.uriTesises_ES
dc.formatapplication/pdfes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Nacional Daniel Alcides Carriónes_ES
dc.relationinfo:pe-repo/semantics/datasetes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/es_ES
dc.sourceUniversidad Nacional Daniel Alcides Carriónes_ES
dc.sourceRepositorio Institucional - UNDACes_ES
dc.subjectRedes neuronales artificialeses_ES
dc.subjectPrecipitación mensuales_ES
dc.subjectIntercuenca Alto Huallaga.es_ES
dc.titleRedes neuronales artificiales como herramienta para la corrección del sesgo de la precipitación mensual estimada por satélite en la Intercuenca Alto Huallagaes_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
thesis.degree.grantorUniversidad Nacional Daniel Alcides Carrión. Facultad de Ingenieríaes_ES
thesis.degree.levelTítulo Profesionales_ES
thesis.degree.disciplineEscuela de Formación Profesional de Ingeniería Civiles_ES
dc.subject.ocdeIngeniería civiles_ES
dc.contributor.emailgio_55_p@hotmail.comes_ES
Aparece en las colecciones: Ingeniería Civil

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
T026_41958403_T.pdf11,66 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons