000			02939nam a2200337 a 4500
999			_c9764 _d9764
003			OSt
005			20210324104639.0
008			180305s2009||||p ddddfrmmmm|||0 ||sp |d
040			_apeliigp _bspa _cpeliigp
082	0	4	_221 _aT/551.5/L28/2009
100	1		_92213 _aLatínez Sotomayor, Karen Alexandra _eautora
245	1	0	_aComparación de los métodos regresión multivariada adaptativa utilizando splines (MARS) y redes neuronales artificiales backpropagation (RNAB) para el pronóstico de lluvias y temperaturas en la Cuenca del río Mantaro
260			_aLima, _c2009
300			_a153 hojas: _bgráficos; _c30 cm
502			_aTesis (Ingeniero Estadístico e Informático) -- Universidad Nacional Agraria La Molina. Facultad de Economía y Planificación, 2009.
504			_aIncluye referencias bibliográficas: hojas 120-124.
505			_aMuchas actividades agrícolas dependen significativamente de la precipitación y la temperatura, afectando la producción y productividad de los cultivos. La cuenca del río Mantaro, (Junín-Perú), está expuesta a una alta variabilidad climática debido a su ubicación y características geográficas. Además, son escasos los trabajos de investigación sobre la elaboración y utilización de pronósticos climáticos para aprovecharlos en la agricultura, por ello esta investigación se plantea ampliar el conocimeinto al respecto. Se utilizaron datos de las estaciones de Huayao, Santa Ana, Jaula y Viques, y una vez que estos datos fueron revisados y se eliminaron los valores atípicos extremos se procedió a su análisis con las técnicas: Regresión Multivariada Adaptativa utilizando Splines (MARS) y las Redes Neuronales Artificiales Backpropagation (RNAB). Las redes neuronales utilizada para el análisis consta de 17 nodos en el caso de las precipitaciones y 15 para las temperaturas tanto mínimas como máximas. Las variables explicativas que se utilizaron en este estudio son variables globales provenientes de información secundaria, siendo recomendable que para próximos estudios se revise la calidad de esas variables. Los inputs utilizados tienen un desfase de tres meses (lag=3). Los resultados mostraron que los pronósticos obtenidos al utilizar el modelo MARS tienen menor error que los obtenidos con las RNAB, a excepción de la variable Temperatura Máxima de Huayao en donde la RNAB resultó con menos errores que el modelo MARS.
650	1	4	_967 _aMETEOROLOGÍA
650	2	4	_91830 _aPRONÓSTICO METEOROLÓGICO
650	2	4	_9310 _aMÉTODOS ESTADÍSTICOS
650	2	4	_9229 _aPRECIPITACIÓN
650	2	4	_9832 _aTEMPERATURA
651		0	_aCUENCA DEL RÍO MANTARO _91809
651		4	_915 _aPERÚ
700	1		_92214 _aMenacho, César _easesor
700	1		_92215 _aChávez, Raúl _easesor
710	2		_aUniversidad Nacional Agraria La Molina _92205
856	4	0	_uhttps://repositorio.igp.gob.pe/handle/20.500.12816/9
910			_aphc
942			_cTESIS _2ddc