Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Cordero Mancilla, Marco Antonio"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    “Modelado de balance hídrico de la presa Cuchoquesera - Ayacucho, mediante un algoritmo de machine learning”
    (Universidad Nacional de San Cristóbal de Huamanga, 2025) Cordero Mancilla, Marco Antonio; Moncada Sosa, Wilmer Enrique
    La presa Cuchoquesera es de gran importancia para la población dentro de la cuenca del río Cachi. Provee agua a la agricultura, ganadería, industria y consumo poblacional. La presente investigación tiene como objetivo desarrollar un modelo de balance hídrico mediante un algoritmo de Machine Learning, en la presa Cuchoquesera de la región Ayacucho. Para simular el Caudal de salida (Qs), se tienen en cuenta el comportamiento natural del caudal de entrada (Qen) y los parámetros hidrometeorológicos (PHM) de la estación Sunilla. Para ello se realiza un análisis de datos utilizando TensorFlow (Tf), que es un interfaz muy potente para realizar gráficos y predicciones en series temporales, de los PHM, Qen y Qs de la presa. Los resultados muestran un modelo del caudal simulado significativo con respecto al caudal observado, con fuertes indicadores de validación NSE (0.87), NSE-Ln (0.83), Pearson (0.94), R2 (0.87); con errores de incerteza RMSE (0.24), Bias (0.99), RVB (0.01), NPE (0.01) y PBIAS (0.14). Por lo tanto, las pérdidas por evaporación e infiltración desde el 2019 hasta el 2023, presentan un crecimiento significativo con tendencia positiva, donde el Qen es ligeramente mayor que el Qs simulado.

dggggg

sws

Este repositorio, elaborado en base a software Dspace, recopila la documentación y publicaciones institucionales, producto de la investigación y el desempeño en defensa de la competencia, la propiedad intelectual y protección al consumidor, para su difusión en el entorno social y académico.

 

Ubícanos

  • Av. independencia S/N - Ciudad Universitaria
  • Email: repositorio@unsch.edu.pe
  • repositorio@unsch.edu.pe
  • Horario Lunes - Viernes 8:00 a 15:00 h

Repositorio

  • Políticas
  • Formatos
  • Manuales

DSpace software copyright © 2002-2025 LYRASIS

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback