Академический Документы
Профессиональный Документы
Культура Документы
PRACTICA
ALUMNO:GAMBOA CONTRERAS,Luis Guillermo.
ARTICULO 01
El objetivo principal de esta investigación es la creación de un modelo basado en redes
1. ARTIFICIAL NEURAL NETWORKS
APPLIED TO FLOW PREDICTION: A USE neuronales artificiales (ANN) que permite predecir el flujo en el río Tomebamba, en
CASE FOR THE TOMEBAMBA RIVER tiempo real y en un día específico de un año. Como entradas, esta investigación está
REDES NEURONALES ARTIFICIALES utilizando la información de la precipitación y el flujo de las estaciones a lo largo del río.
APLICADAS A LA PREDICCIÓN DE FLUJO: Esta información se organiza en escenarios y cada escenario está preparado para un área
UN CASO DE USO PARA EL RÍO
TOMEBAMBA específica. Para este artículo, se han seleccionado dos escenarios. La información que se
adquiere de las estaciones hidrológicas situadas en la cuenca mediante un sistema
electrónico desarrollado en tiempo real y es compatible con cualquier tipo o marca de
este tipo de sensores. La predicción funciona muy buenos tres días de antelación. Esta
investigación incluye dos modelos de RNA: Retropropagación y un modelo híbrido entre
2.Pais
la propagación hacia atrás y OWO-HWO (peso de salida optimización-oculto optimización
del peso) para seleccionar los pesos iniciales de la conexión. Estos dos últimos modelos
Rio Tomebamba, Cuenca de han sido probados en una investigación preliminar. Para validar los resultados que
Ecuador.
estamos utilizando algunos indicadores de error como MSE, RMSE, EF, CD y BIAS. Los
3.COMPENDIO resultados de esta investigación alcanzaron altos niveles de fiabilidad y el nivel de error
Procedia Engineering es mínima. Estas predicciones son útiles para evitar inundaciones en la ciudad de Cuenca
en Ecuador.
hidrom eteorológ icos e ín dices climáticos en el este de Aust ralia
estandarizado de precipit ación y evapot ranspiración usando parámet ros
Aplicación del modelo de Red Neural Art if icial para predicción mensual Í ndice