Please use this identifier to cite or link to this item:
Title: Predicción de caudales en la cuenca del río Chalpi Norte mediante la aplicación de redes neuronales
Authors: Villenas Quinapallo, Lennin Daniel
Issue Date: 13-Aug-2020
Publisher: Quito, 2020.
Citation: Villenas Quinapallo, L. D. (2020). Predicción de caudales en la cuenca del río Chalpi Norte mediante la aplicación de redes neuronales. 201 hojas. Quito : EPN.
Abstract: The present degree work aims to estimate the daily flows that the micro-basin of Chalpi Norte flows downstream through the selection of the optimal model using artificial neural networks. For the construction of models, data series of 4 pluviometric stations and 1 hydrometric station provided by EPMAPS were used, from which precipitation and flow values were collected as input data. Each of the models were carried out through supervised learning in training and validation stages. 24 models were built combining different parameters such as: operating algorithms, output and activation functions, neural network architecture and variation of the input data to the models. The models developed include input using normalized precipitation and flow values for entry into the neural network, evaluating the approximation of the values measured by the hydrometric station and the values estimated by the models by calculating error coefficients. Finally concluding that there is an optimal model that approximates the estimates to the flow values measured in the micro-basin, since it presents values of the error coefficients very close to optimal values.
Description: El presente trabajo de titulación pretende estimar los caudales diarios que desemboca la microcuenca de Chalpi Norte aguas abajo a través de la selección del modelo óptimo mediante redes neuronales artificiales. Para la construcción de modelos, se utilizó series de datos de 4 estaciones pluviométricas y 1 estación hidrométrica provistas por la EPMAPS, de donde se recolectaron valores de precipitación y caudal como datos de entrada. Cada uno de los modelos fueron realizados mediante aprendizaje supervisado en etapas de entrenamiento y validación. Se construyeron 24 modelos combinando diferentes parámetros tales como: algoritmos de funcionamiento, funciones de salida y activación, arquitectura de las redes neuronales y variación de los datos de entrada a los modelos. Los modelos desarrollados incluyen la entrada mediante valores de precipitación y caudal normalizados para su ingreso a la red neuronal, evaluando la aproximación de los valores medidos por la estación hidrométrica y los valores estimados por los modelos mediante el cálculo de coeficiente de error. Finalmente concluyendo que existe un modelo óptimo que aproxima las estimaciones a los valores de caudal medidos en la microcuenca.
Appears in Collections:Tesis Ingenieria Civil y Ambiental (ICA)

Files in This Item:
File Description SizeFormat 
CD 10582.pdf9,84 MBAdobe PDFView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.