Estudio comparativo de técnicas estadística multivariada versus las redes neuronales artificiales en el análisis de datos de calidad de agua

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 obtiene...

Full description

Autores:
Tipo de recurso:
masterThesis
Fecha de publicación:
2008
Institución:
Pontificia Universidad Javeriana
Repositorio:
Repositorio Universidad Javeriana
Idioma:
spa
OAI Identifier:
oai:repository.javeriana.edu.co:10554/3826
Acceso en línea:
http://hdl.handle.net/10554/3826
https://doi.org/10.11144/Javeriana.10554.3826
Palabra clave:
Estadística multivariada
Redes neuronales artificiales
Calidad del agua
Multivariate statistical
Artificial neural networks
Water quality
Calidad del agua
Redes neurales (Computadores)
Maestría en hidrosistemas - Tesis y disertaciones académicas
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional
Description
Summary: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.