Mostrar el registro sencillo del ítem

dc.contributor.authorMinisterio de Medio Ambiente y Recursos Naturales
dc.contributor.authorValles León, José Rodolfo
dc.date.accessioned2018-06-05T15:30:17Z
dc.date.available2018-06-05T15:30:17Z
dc.date.issued2017-12-01
dc.identifier.citationValles León, José Rodolfo (2017), Aplicación de Redes Neuronales Artificiales en Pronóstico hidrológico, Caso de estudio: Cuenca Rio Grande de San Miguel, MARNen_US
dc.identifier.urihttp://rcc.marn.gob.sv/xmlui/handle/123456789/147
dc.descriptionContiene gráficos, tablas y mapasen_US
dc.description.abstractEl presente estudio pretende generar modelos de pronóstico a corto plazo ocupando arquitectura de Redes Neuronales Artificiales, en la Cuenca hidrográfica del Rio Grande de San Miguel. Para completar el objetivo de dicho estudio, se recopilaron datos hidrometeorológicos de las estaciones telemétricas que se encuentra dentro y/o los alrededores de la cuenca. Posteriormente, estos datos fueron desagregados a valores horarios, debido a que el tiempo de concentración de la cuenca es menor a 1 día. Consecutivamente, se realizó un análisis de interdependencia entre variables, con el fin de determinar las variables de entrada de los distintos modelos de predicción. Finalmente, los resultados fueron evaluados ocupando funciones de error y comparados con un modelo de referencia “Naive”, con el fin de evaluar los resultados de los mismos. Los resultados de este estudio muestran un excelente resultado para pronósticos hidrológicos no mayores a 4 horas debido a que funciones de eficiencia tales como el Coeficiente Nash-Sutcliffe (NSE) brinda valores mayores a 80%. Asimismo, valores de pronóstico de hasta 9 horas de tiempo de anticipo brinda resultados buenos debido a que el valor de NRMSE es de 0.5. Por último, el pronóstico de 12 horas de tiempo de ventaja brinda resultados satisfactorios, ya que su desempeño en reproducir el caudal observado es cercano al 60%. Además, los modelos de predicción hidrológica a corto plazo muestran mejor reproducción comparada con un modelo de referencia Naive, lo cual indica que la técnica sofisticada de Redes Neuronales Artificiales se está beneficiando tanto de la precipitación en la cuenca, como en el caudal pasado para la predicción de caudales.en_US
dc.language.isoesen_US
dc.publisherMinisterio de Medio Ambiente y Recursos Naturalesen_US
dc.rightsAttribution-NonCommercial-ShareAlike 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/us/*
dc.subjectAguas Superficialesen_US
dc.subjectRedes Neuronalesen_US
dc.subjectRío Grande de San Miguelen_US
dc.titleAplicación de redes neuronales artificiales en pronóstico hidrológico, caso de estudio : cuenca río Grande de San Miguelen_US
dc.typeArticleen_US


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) área temática(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-ShareAlike 3.0 United States
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-ShareAlike 3.0 United States