000 | 03360nam a22003617a 4500 | ||
---|---|---|---|
003 | EC-UrYT | ||
005 | 20221206000929.0 | ||
008 | 150116t9999 mx r gr 000 0 spa d | ||
040 | _cEC-UrYT | ||
041 |
_aeng _bspa |
||
100 | 1 |
_912909 _aChaglla Aguagallo, Diana Karina _eautor |
|
245 | 1 | 0 |
_aForecasting groundwater level recession patterns through ARIMA and Hidden Markov Model: A comparative study / _cDiana Karina Chaglla Aguagallo ; tutor Manuel Eugenio Morocho Cayamcela |
264 | 4 |
_aUrcuquí, _c2021 |
|
300 |
_a54 hojas : _bilustraciones (algunas a color) ; _c30 cm + _e1 CD-ROM |
||
502 |
_aTrabajo de integración curricular _b(Matemático/a). _cUniversidad de Investigación de Tecnología Experimental Yachay. _gUrcuquí, _d2021 |
||
504 | _aIncluye referencias bibliográficas (páginas 30-33) | ||
506 | _aTrabajo de integración curricular con acceso abierto | ||
516 | _aTexto (Hypertexto links) | ||
520 | _aLos humedales altoandinos -considerados como áreas de conservación de agua- han sufrido daños importantes debido al pastoreo excesivo y al drenaje sistemático. Por esta razón, el Fideicomiso Mercantil Fondo para la Protección del Agua (FONAG) ha desarrollado una línea de base con el fin de obtener información sobre su estado de degradación mediante la creación de 18 pozos que permiten medir sus niveles de agua subterránea y dinámica hidráulica en épocas lluviosas y secas. Como acción de restauración contra el daño, se han taponado los drenajes artificiales con el propósito de monitorear el proceso de recuperación vegetal, de los suelos, y la dinámica del agua de los humedales. Sin embargo, no se ha podido identificar si la acción de restauración ayuda a mitigar el daño existente en el área; y hasta ahora no se dispone de la suficiente cantidad de datos para realizar una investigación adicional. Para solucionar este problema, proponemos un modelo personalizado de predicción de series de tiempo, que consta de tres etapas principales. En primer lugar, adquirimos un conjunto de datos de alta calidad para usarse en la implementación y análisis de los modelos. En segundo lugar, seleccionamos los parámetros que mejor se ajusten a los modelos a desarrollar, en particular el modelo autorregresivo integrado de media móvil y el model oculto de Markov. Finalmente, presentamos un estudio comparativo entre los modelos antes mencionados. Se espera que la estrategia propuesta mida la efectividad de los modelos y sirva como base para poder trabajar con datos recopilados en series de tiempo de los otros pozos ubicados en el humedal. | ||
546 | _aTextos en inglés con resúmenes en español e inglés | ||
650 | 0 |
_912699 _aPredicción de series de tiempo |
|
650 | 0 |
_912910 _aNivel de agua subterránea |
|
650 | 0 |
_911555 _aHumedales |
|
650 | 0 |
_912773 _aModelos ocultos de Markov |
|
650 | 0 |
_912911 _aTime series forecasting |
|
650 | 0 |
_912912 _aGroundwater level |
|
650 | 0 |
_911492 _aMatemática _vTrabajos y disertaciones académicas |
|
700 | 1 |
_912750 _aMorocho Cayamcela, Manuel Eugenio _etutor |
|
710 | 1 |
_aUniversidad de Investigación de Tecnología Experimental Yachay. _bEscuela de Ciencias Matemáticas Computacionales _911232 |
|
856 |
_zVer recurso _uhttp://repositorio.yachaytech.edu.ec/handle/123456789/367 |
||
942 |
_2ddc _cTIC |
||
999 |
_c3971 _d3971 |