Estudio comparativo de técnicas estadística multivariada versus las redes neuronales artificiales en el análisis de datos de calidad de agua
| Autor: | Rodríguez Campo, Juan Carlos |
|---|---|
| Přispěvatelé: | García Cabrejo, Oscar Javier |
| Jazyk: | Spanish; Castilian |
| Rok vydání: | 2008 |
| Předmět: | |
| Zdroj: | Repositorio Universidad Javeriana Pontificia Universidad Javeriana instacron:Pontificia Universidad Javeriana |
| Popis: | La gran cantidad de datos físico-químicos y biológicos que generan los programas de monitoreo a cuerpos de agua permiten mejorar el conocimiento de la química y el nivel de contaminación de los mismos. Sin embargo, una desventaja de estos programas de monitoreo corresponde al hecho de que se obtienen conjuntos de datos con muchos parámetros los cuales requieren de técnicas especiales para su análisis e interpretación. Tradicionalmente, estas variables son analizadas por medio de técnicas estadísticas multivariadas. Sin embargo, una de las principales limitaciones de estas técnicas estadísticas multivariadas corresponde al hecho que la gran mayoría de ellas hacen suposiciones de normalidad y dependencia lineal entre las variables analizadas. Esto tiene serias limitaciones en cuanto a que estas variables difícilmente cumplen con esas condiciones. Una posible alternativa al problema antes mencionado consiste en utilizar herramientas de análisis no lineales como las Redes Neuronales Artificiales (RNA). De acuerdo a Martin del Brio & Sanz (2002) existen métodos basados en RNA que son equivalentes a las técnicas multivariadas convencionales, específicamente ACP - Redes Hebbianas, y AD - Red Perceptrón Multicapa. Water quality data are composed by different variables that makes it complex for analysis. Traditionally such variables are analyzed by conventional multivariate statistical techniques. However, these techniques are based on normal distribution and linear assumptions that do not comply with water quality data. These limitations can be addressed by mathematical tools called artificial neural networks (ANN). In this work, Hebbian Networks, a type of ANN, are used to define associations between physico-chemical-biological variables and compared with conventional PCA. Furthermore, Multilayer perceptrol (MLP), another kind of ANN, is employed to define a nonlinear classification function between water quality data and hydrological season. Magíster en Hidrosistemas Maestría |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|