| dc.creator | Quiñones Huatangari,Lenin | |
| dc.creator | Ochoa Toledo,Luis | |
| dc.creator | Gamarra Torres,Oscar | |
| dc.creator | Bazán Correa,José | |
| dc.creator | Delgado Soto,Jorge | |
| dc.creator | Kemper Valverde,Nicolás | |
| dc.date | 2020-06-01 | |
| dc.date.accessioned | 2023-09-25T15:18:34Z | |
| dc.date.available | 2023-09-25T15:18:34Z | |
| dc.identifier | http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S1390-65422020000200109 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8824871 | |
| dc.description | Resumen La red neuronal artificial (RNA) es un modelo computacional que emula el sistema neuronal biológico en el procesamiento de información; los modelos que se originan son adecuados con el propósito de describir pronósticos para tiempos prolongados, además de relaciones no lineales. Se utiliza esta herramienta con el fin de predecir parámetros físico-químicos y microbiológicos que influyen en la calidad de agua. La Fundación Nacional de Saneamiento de Estados Unidos propuso un índice de calidad de agua, conocido como NSF WQI. Este artículo describe el diseño, entrenamiento y uso del modelo de la red neuronal perceptrón de tres capas para el cálculo del NSF WQI del río Utcubamba y sus afluentes. Empleando el software Matlab y aplicando el algoritmo de entrenamiento de Levenberg-Marquardt, se encontró que la arquitectura óptima de la RNA es 6-12-1, además, el porcentaje para los conjuntos de entrenamiento, validación y prueba fue de 70 %, 10 % y 20 %, respectivamente. El rendimiento de la RNA se ha evaluado utilizando la raíz del error cuadrático medio (RMSE) y el coeficiente de correlación (R). Se mostraron correlaciones altas (mayores que 0.94) entre los valores medidos y predichos. Finalmente, la RNA propuesta ofrece una alternativa útil para el cálculo y la predicción del índice de calidad de agua en relación con el oxígeno disuelto (OD), la demanda bioquímica de oxígeno (DBO), nitratos, coliformes fecales, potencial de iones hidrógeno (pH) y la turbidez. | |
| dc.format | text/html | |
| dc.language | es | |
| dc.publisher | Universidad UTE | |
| dc.relation | 10.29019/enfoque.v11n2.633 | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.source | Enfoque UTE v.11 n.2 2020 | |
| dc.subject | Índice de calidad de agua | |
| dc.subject | redes neuronales artificiales | |
| dc.subject | perceptrón multicapa | |
| dc.subject | parámetros físico químicos | |
| dc.title | Red neuronal artificial para estimar un índice de calidad de agua | |
| dc.type | info:eu-repo/semantics/article | |
