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