• Repositorio Institucional Universidad de Pamplona
  • Trabajos de pregrado y especialización
  • Facultad de Ingenierías y Arquitectura
  • Ingeniería de Sistemas
    • Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5687
    Registro completo de metadatos
    Campo DC Valor Lengua/Idioma
    dc.contributor.authorRuiz Bautista, Néstor.-
    dc.date.accessioned2022-12-20T20:20:15Z-
    dc.date.available2019-
    dc.date.available2022-12-20T20:20:15Z-
    dc.date.issued2020-
    dc.identifier.citationRuiz Bautista, N. (2019). Modelo para la predicción de caudales mediante técnicas de inteligencia artificial [Trabajo de grado pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5687es_CO
    dc.identifier.urihttp://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5687-
    dc.descriptionEl autor no proporciona la información sobre este ítem.es_CO
    dc.description.abstractEl autor no proporciona la información sobre este ítem.es_CO
    dc.format.extent77es_CO
    dc.format.mimetypeapplication/pdfes_CO
    dc.language.isoeses_CO
    dc.publisherUniversidad de Pamplona – Facultad de Ingenierías y Arquitectura.es_CO
    dc.subjectEl autor no proporciona la información sobre este ítem.es_CO
    dc.titleModelo para la predicción de caudales mediante técnicas de inteligencia artificial.es_CO
    dc.typehttp://purl.org/coar/resource_type/c_7a1fes_CO
    dc.date.accepted2019-
    dc.relation.referencesMarbello Pérez, R. (s.f.). Manual de practicas de laboratorio de hidraúlica. En HIDROMETRÍA Y AFORO DE CORRIENTES NATURALES (pág. 242). Medellin.es_CO
    dc.relation.referencesAgudelo, A., López Lezama, J., & Velilla, E. (2015). Predicción del precio de la electricidad en la bolsa mediante un modelo neuronal no lineal autorregresivo con entradas exógenas. Información Tecnológica, 1.es_CO
    dc.relation.referencesAparicio Mijares, F. J. (1992). fundamentos de hidrología de superficie. México D.F: Grupo Noriega Editores.es_CO
    dc.relation.referencesCampozano Parra, L. V. (2011). Análisis de la robustez de un modelo de redes neuronales para la prediccion de caudales en la cuenca alta del rio Paute. Cuenca, Ecuador.es_CO
    dc.relation.referencesDemuth, H., & Beale, M. (10 de 06 de 1998). Neural network toolbox for use with matlab (3 ed.). The mathWorks. Obtenido de producto MATLAB.es_CO
    dc.relation.referencesGarcia Martos, D. (2012). Procesos autorregresivos. En Econometria II, grado en finanzas y contabilidad. Madrid, España.es_CO
    dc.relation.referencesGázquez Abad, J. C., Jiménez Guerrero, J. F., & Sánchez Fernández, R. (2006). La capacidad predictiva en los métodos Box-Jenkins y Holt-Winters: una aplicación al sector turístico. Revista europea de dirección y economía de la empresa, 15(3), 185-198.es_CO
    dc.relation.referencesGómez Gallego, M. (2012). Redes neuronales para la simulación, estimación y control de caudales impulsados por estaciones de bombeo en zonas regables. Huelva, España.es_CO
    dc.relation.referencesGomez Vargas, E., Obregón Neira, N., & Socarras Quintero, V. (2010). Aplicación del modelo neurodifuso ANFIS vs redes neuronales, al problema predictivo de caudales medios mensuales del río Bogotá en Villapinzón. Tecnura, 14(27), 18 - 29.es_CO
    dc.relation.referencesIsasi Viñuela, P., & Galván León, I. (2004). Redes de Neuronas Artificiales un enfoque práctico. Madrid, España: Pearson.es_CO
    dc.relation.referencesLevin, R., & Rubin, D. (2004). Estadística para administración y economia (Vol. 7). Mexico: Pearson Educación.es_CO
    dc.relation.referencesMatinez Gomez, E. J., & Pedraza Caballero, L. E. (2012). Implementacion web de redes neuronales artificiales aplicadas de la predicción de series de tiempo. Barranquilla, Colombia.es_CO
    dc.relation.referencesMediero Orduña, L. (2007). Pronostico probabilístico de caudales de avenida mediante redes bayesianas aplicadas sobre un modelo hidrológico distribuido. Madrid, España.es_CO
    dc.relation.referencesMoscoso Barrera, W. D. (2015). Análisis de la realción entre variables hidrometereologicas y zonas inundables por medio de sistemas inteligentes artificiales en un tramo del rio Bogota comprendido entre estaciones de puente florencia (Gachancipá) y Tocancipá. Chia, Colombia.es_CO
    dc.relation.referencesN. Koivo, H. (2008). Neural Networks: Basics usign Matlab Neural Network Toolbox. Espoo, Finland.es_CO
    dc.relation.referencesNeural Network Toolbox. (s.f.). Recuperado el 01 de 04 de 2019, de https://edoras.sdsu.edues_CO
    dc.relation.referencesOcampo, O. L., & Vélez, J. J. (Enero-Junio de 2014). Análisis comparativo de modelos hidrológicos de simulación continua en cuencas de alta montaña: caso del rio Chinchiná. Ingenierías Universidad de Medellín, 13(24), 214.es_CO
    dc.relation.referencesPierini, J., Gomez, E., & Telesca, L. (2012). Predicción de caudales en rio Colorado , Argentina. Bahia Blanca, Argentina.es_CO
    dc.relation.referencesRuiz Suarez, S. (2016). Métodos de clasificación supervisada aplicados a datos de radares metereologicos. Buenos Aires, Argentina.es_CO
    dc.relation.referencesSpiegel, M., & Stephens, L. (s.f.). Estadística (4 ed.). Mexico: McGraw-Hill.es_CO
    dc.relation.referencesTe Chow, V., R. Maidment, D., & W. Mays, L. (1994). Hidrología Aplicada. Santafé de Bogotá, Colombia: McGraw-Hill.es_CO
    dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2es_CO
    dc.type.coarversionhttp://purl.org/coar/resource_type/c_2df8fbb1es_CO
    Aparece en las colecciones: Ingeniería de Sistemas

    Ficheros en este ítem:
    Fichero Descripción Tamaño Formato  
    RUIZ_2019_TG.pdf2,99 MBAdobe PDFVisualizar/Abrir
    Mostrar el registro sencillo del ítem


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