Por favor, use este identificador para citar o enlazar este ítem: http://bibdigital.epn.edu.ec/handle/15000/20257
Título: Redes neuronales artificiales aplicadas a la modelación precipitación – escurrimiento de la cuenca de Humboldt en el volcán Antisana
Autor: Aguilar Alegría, Alexis Gabriel
Palabras clave: RECURSOS HÍDRICOS
HIDROLOGÍA
REDES NEURONALES
Fecha de publicación: 15-abr-2019
Editorial: Quito, 2019.
Citación: Aguilar Alegría, A. G. (2019). Redes neuronales artificiales aplicadas a la modelación precipitación – escurrimiento de la cuenca de Humboldt en el volcán Antisana. 128 hojas. Quito : EPN.
Resumen: The hydrological behavior of the Humboldt basin in the Antisana volcano allows us to know the existing amount of the its flow, for downstream use, for example, the La Mica Quito-Sur that supplies potable water to the southern part of the city of Quito (750.000 hab). Therefore, to determine the surface runoff of this basin, the Rainfall-Runoff relationship was applied applying a methodology of the Artificial Neural Networks (ANN), which is a “Black Box” type model, which only uses representative input and output data and through the dense interconnection of simple computational elements known as "neurons", in combination with algorithms and training functions allow the network to work as a model that solves nonlinear and highly complex problems. To implement ANN, the NN-Toolbox of the Matlab platform was used, which provides a wide variety of alternatives in the training and validation of the network. The input data used are: rainfall, flows and temperaturas; while, the objective data (outputs) are the flows at the point of closure of the Humboldt basin. Finally, the time interval for ANN modeling is given in days.
Descripción: El comportamiento hidrológico de la cuenca de Humboldt en el volcán Antisana permite conocer la cantidad existente de su caudal, para aprovechamiento aguas abajo por ejemplo, el proyecto La Mica Quito-Sur que abastece de agua potable a la parte sur de la ciudad de Quito (750.000 hab). Por ello, para determinar el escurrimiento superficial de esta cuenca se utilizó la relación Precipitación-Escurrimiento aplicando una metodología de Redes Neuronales Artificiales (RNA), la cual es un modelo tipo “Caja Negra”, que únicamente usa datos de entrada y salida representativos y, por medio de la densa interconexión de simples elementos computacionales conocidos como “neuronas”, en combinación con algoritmos y funciones de entrenamiento, permite que la red trabaje como un modelo que resuelve problemas no lineales y altamente complejos. Para aplicar RNA se utilizó la herramienta NN-Toolbox de la plataforma Matlab, la cual entrega una amplia variedad de alternativas en la etapa de entrenamiento y validación de la red. Los datos de entrada utilizados son: precipitaciones, caudales en subcuencas y temperaturas; mientras que, los datos objetivos (salidas) son los caudales en el punto de cierre de la cuenca Humboldt. Finalmente, el intervalo de tiempo para la modelación de la RNA está dado en días.
URI: http://bibdigital.epn.edu.ec/handle/15000/20257
Aparece en las colecciones:Tesis Maestría en Recursos Hídricos (FICA)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
CD 9708.pdf7,74 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.