Modelo de predicción de series de precipitación empleando redes neuronales artificiales/ por Jorge Armando Mata Orozco y Mónica Yoselín Núñez Pérez; director de tesis Ramón Arteaga Ramírez; secretario Rocío Cervantes Osornio; vocal Mario Alberto Vázquez Peña; suplente Laura Alicia Ibáñez Castillo; suplente Francisco García Herrera.

By:

Mata Orozco, Jorge Armando

Contributor(s):

Material type:

TextPublisher: Chapingo, México : El autor, 2024Description: 1 recurso en línea (76 páginas): cuadros, figurasContent type:

texto

Media type:

computadora

Carrier type:

recurso en línea

Subject(s):

Online resources:

DESCARGAR PDF

Dissertation note: Ingeniería en Irrigación Departamento de Irrigación, 2024. Licenciatura Summary: En el presente trabajo de investigación se muestra un modelo de predicción de series de precipitación empleando redes neuronales artificiales (RNA). Los datos analizados de precipitación diaria pertenecen a la estación 11033, La Begoña, en el periodo 2005 – 2020. El modelo de predicción implementa una RNA de tipo Long-Short Term Memory (LSTM), con una arquitectura de 6 capas. La arquitectura del modelo seleccionado consiste en una capa LSTM con 100 unidades ocultas, se complementa con 3 bloques CC + FA + D con funciones de activación Relu, Tanh, Relu y valores de 100, 500 y 100 neuronas, respectivamente. Siendo los factores dropout 0.01 para la capa LSTM y 0.2 para los bloques. El parámetro de entrenamiento de mayor influencia es el máximo de épocas y aquellos que modifican el comportamiento de pronóstico en comparación con los datos originales son las unidades ocultas de la capa LSTM, la cantidad de neuronas y los valores dropout.

Tags from this library: No tags from this library for this title. Log in to add tags.

Average rating: 0.0 (0 votes)

Holdings
Cover image	Item type	Current library	Home library	Collection	Shelving location	Call number	Materials specified	Vol info	URL	Copy number	Status	Notes	Date due	Barcode	Item holds	Item hold queue priority	Course reserves
	Tesis digital	Biblioteca Digital En línea		Tesis digitales de Licenciatura		Tesis digital (Browse shelf(Opens below))					Available (Préstamo interno)

Ingeniería en Irrigación Departamento de Irrigación, 2024. Licenciatura

Incluye referencias bibliográficas: páginas 52-56.

En el presente trabajo de investigación se muestra un modelo de predicción de series de precipitación empleando redes neuronales artificiales (RNA). Los datos analizados de precipitación diaria pertenecen a la estación 11033, La Begoña, en el periodo 2005 – 2020. El modelo de predicción implementa una RNA de tipo Long-Short Term Memory (LSTM), con una arquitectura de 6 capas. La arquitectura del modelo seleccionado consiste en una capa LSTM con 100 unidades ocultas, se complementa con 3 bloques CC + FA + D con funciones de activación Relu, Tanh, Relu y valores de 100, 500 y 100 neuronas, respectivamente. Siendo los factores dropout 0.01 para la capa LSTM y 0.2 para los bloques. El parámetro de entrenamiento de mayor influencia es el máximo de épocas y aquellos que modifican el comportamiento de pronóstico en comparación con los datos originales son las unidades ocultas de la capa LSTM, la cantidad de neuronas y los valores dropout.

There are no comments on this title.

to post a comment.

Click on an image to view it in the image viewer

Back to results