Modelación hidrológica de largo plazo en la cuenca baja del Río Magdalena
A long term forecast of river levels is beneficial for entities in charge of preparing control measures, flood risk prevention, as well as for other entities interested in these long term level forecasts. The objective of this research project is to implement a long term hydrological model, these mo...
- Autores:
-
De La Parra Tovar, Ernesto Ricardo
Turizo Martínez, Jesús Isaac
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Corporación Universidad de la Costa
- Repositorio:
- REDICUC - Repositorio CUC
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.cuc.edu.co:11323/7804
- Acceso en línea:
- https://hdl.handle.net/11323/7804
https://repositorio.cuc.edu.co/
- Palabra clave:
- Forecast
Level
Arima
RNA
Model
Hydrological
Data
Trend
Pronóstico
Nivel
Modelo
Hidrológico
Datos
Tendencia
- Rights
- openAccess
- License
- Attribution-NonCommercial-ShareAlike 4.0 International
id |
RCUC2_f9ed0e2a113f64a9c28135f65d2cd9b5 |
---|---|
oai_identifier_str |
oai:repositorio.cuc.edu.co:11323/7804 |
network_acronym_str |
RCUC2 |
network_name_str |
REDICUC - Repositorio CUC |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Modelación hidrológica de largo plazo en la cuenca baja del Río Magdalena |
title |
Modelación hidrológica de largo plazo en la cuenca baja del Río Magdalena |
spellingShingle |
Modelación hidrológica de largo plazo en la cuenca baja del Río Magdalena Forecast Level Arima RNA Model Hydrological Data Trend Pronóstico Nivel Modelo Hidrológico Datos Tendencia |
title_short |
Modelación hidrológica de largo plazo en la cuenca baja del Río Magdalena |
title_full |
Modelación hidrológica de largo plazo en la cuenca baja del Río Magdalena |
title_fullStr |
Modelación hidrológica de largo plazo en la cuenca baja del Río Magdalena |
title_full_unstemmed |
Modelación hidrológica de largo plazo en la cuenca baja del Río Magdalena |
title_sort |
Modelación hidrológica de largo plazo en la cuenca baja del Río Magdalena |
dc.creator.fl_str_mv |
De La Parra Tovar, Ernesto Ricardo Turizo Martínez, Jesús Isaac |
dc.contributor.advisor.spa.fl_str_mv |
Cardona Almeida, César Canales Vega, Fausto |
dc.contributor.author.spa.fl_str_mv |
De La Parra Tovar, Ernesto Ricardo Turizo Martínez, Jesús Isaac |
dc.subject.spa.fl_str_mv |
Forecast Level Arima RNA Model Hydrological Data Trend Pronóstico Nivel Modelo Hidrológico Datos Tendencia |
topic |
Forecast Level Arima RNA Model Hydrological Data Trend Pronóstico Nivel Modelo Hidrológico Datos Tendencia |
description |
A long term forecast of river levels is beneficial for entities in charge of preparing control measures, flood risk prevention, as well as for other entities interested in these long term level forecasts. The objective of this research project is to implement a long term hydrological model, these models will be made through the use of the ARIMA function in its "AR" or auto-regression form, also the model based on an artificial neural network (RNA) of multilayer perception type will be implemented, when implementing these two models it is sought to measure their efficiency by means of the coefficient of efficiency NSE, its quadratic error RMSE, finally, the Mann-Kendall analysis will identify sets of trends in the input data obtained from the IDEAM database, each of these parameters will help to define which forecast model has a better behavior in relation to its real data. Discussions and conclusions will be drawn from these forecasts and the parameters used to measure their efficiency and error. |
publishDate |
2020 |
dc.date.issued.none.fl_str_mv |
2020 |
dc.date.accessioned.none.fl_str_mv |
2021-01-29T21:08:23Z |
dc.date.available.none.fl_str_mv |
2021-01-29T21:08:23Z |
dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
format |
http://purl.org/coar/resource_type/c_7a1f |
status_str |
acceptedVersion |
dc.identifier.uri.spa.fl_str_mv |
https://hdl.handle.net/11323/7804 |
dc.identifier.instname.spa.fl_str_mv |
Corporación Universidad de la Costa |
dc.identifier.reponame.spa.fl_str_mv |
REDICUC - Repositorio CUC |
dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.cuc.edu.co/ |
url |
https://hdl.handle.net/11323/7804 https://repositorio.cuc.edu.co/ |
identifier_str_mv |
Corporación Universidad de la Costa REDICUC - Repositorio CUC |
dc.language.iso.none.fl_str_mv |
spa |
language |
spa |
dc.relation.references.spa.fl_str_mv |
ALCALDIA MUNICIPAL DE EL BANCO, MAGDALENA. (20 de 03 de 2018). ALCALDIA MUNICIPAL DE EL BANCO, MAGDALENA. Obtenido de GEOGRAFÍA: http://www.elbanco-magdalena.gov.co/ CAMELO, F. A. (2009). Predicción de niveles del río Magdalena usando sistemas adaptativos basados en conocimiento. BOGOTÁ: UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS- FACULTAD DE INGENIERÍA. Casimiro, P. G. (s.f.). Análisis de Series Temporales: Modelos ARIMA. Sarriko-on, 169. Chengguang, L., Ruida, Z., Zhaoli , W., Xiaoqing , W., Xiaohong , C., Peng Wang, W., & Yanqing , L. (2019). Monitoring hydrological drought using long-term satellite-based precipitation data. ELSEVIER. Cormagdalena. (5 de Mayo de 2016). Obtenido de http://dc02eja.cormagdalena.gov.co/index.php?idcategoria=145 Di , L., zhongbo, Y., & Lv , h. (2010). Data assimilation using support vector machines and ensemble kalman filter for multi-layer soil moisture prediction. Water Science and Engineering. DÍAZ, A. F. (2019). MODELO SARIMA PARA EL PRONÓSTICO DEL NIVEL DEL RÍO MAGDALENA A LA ALTURA DEL MUNICIPIO DE BARRANCABERMEJA. Bogotá: FUNDACIÓN UNIVERSITARIA LOS LIBERTADORES - FACULTAD DE INGENIERÍA Y CIENCIAS BÁSICAS . Domínguez Calle, E., & Lozano Báez, S. (2014). Estado del arte de los sistemas de alerta temprana en Colombia. Revista Colombiana de ciencias, 12. Duffo, E. B. (s.f.). Banrepcultural. Obtenido de www.banrepcultural.org E. Dominguez, H. A. (2010). Viabilidad para pronósticos hidrológicos de niveles diarios,semanales y decadales en colombia. Ingenieria e investigación, 30, 178-187. Estrada, V. , & Pacheco, R. (2002). Modelación hidrológica con HEC-HMS en cuencas montañosas de la región oriental de Cuba. Estrela, T. (1992). Modelos matematicos para la evaluacion de recursos hidricos. Madrid: Centro de estudios y experimentacion de obras publicas. Fernández Mejuto, M., Vela Mayorga, A., & Castaño Fernández, S. (s.f.). La utilización de modelos en hidrologia. Revista de la Facultad de Educación de Albacete, 13. GARCÍA, J. F. (2006). UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERÍA FUNDAMENTOS PARA LA IMPLEMENTACIÓN DE RED NEURONAL PERCEPTRÓN MULTICAPA MEDIANTE SOFTWARE. Guatemala: UNIVERSIDAD DE SAN CARLOS DE GUATEMALA . GARCIA, T. Y., & GARCIA, Y. B. (2014). MODELACIÓN DE PRONÓSTICOS HIDROLÓGICOS PARA NIVELES DE AGUA EN TIEMPO REAL PARA EL RÍO SAN JORGE, CON FINES DE GESTIÓN DEL RIESGO POR INUNDACIONES EN EL MUNICIPIO DE AYAPEL CÓRDOBA. BOGOTA: UNIVERSIDAD SANTO TOMÁS. garzon, P. a. (2008). Aplicación de técnicas de inducción de árboles de decisión a problemas de clasificación mediante el uso de weka (waikato environment for knowledge analysis). Bogota: FUNDACIÓN UNIVERSITARIA KONRAD LORENZ. Hernadez, S. D. (2009). MODELO ARIMA(p,d,q). Madrid: Facultad Ciencias Económicas y Empresariales. IDEAM. (2014). Obtenido de http://www.ideam.gov.co/web/agua/modelacion-hidrologica Mohammad Valipour , Mohammad Ebrahim Banihabib, & Mahmood Reza Behbahani, S. (2012). Comparison of the ARMA, ARIMA, and the autoregressive artificial neural. Journal of Hydrology, 9. Niu, W., Feng, Z., Zeng, M., Feng, B., Min, Y., Cheng, C., & Zhou, J. (2019). Forecasting reservoir monthly runoff via ensemble empirical mode decomposition and extreme learning machine optimized by an improved gravitational search algorithm. Applied Soft Computing. doi:https://doi.org/10.1016/j.asoc.2019.105589 OMM . (2006). REGLAMENTO TÉCNICO (OMM-N° 49). En HIDROLOGÍA (Vol. III, pág. CAPITULO D.1.3). GINEBRA,SUIZA. PONCE, V. M. (1989). Engineering Hydrology. Prentice Hall. Quisbert, N. C. (1997). MODELOS ARIMA. Revista Ciencia y Cultura, 8. Reyes Benavides, C. A. (agosto de 2012). Proyección a largo plazo de variables hidrológicas diarias a largo plazo en la cuenca del río Tinguiririca en Bajo Los Briones, bajo escenarios A1B y A2 de cambio climático. repositorio academico, UNIVERSIDAD DE CHILE, 73. Recuperado el 20 de 04 de 2019, de http://repositorio.uchile.cl/handle/2250/112018 Sainlez, G. H. (2011). 21st European Symposium on Computer Aided Process Engineering. Sánchez, A. N. (2016). INTEGRACIÓN DEL CONCEPTO DE VARIABILIDAD HIDROCLIMÁTICA EN. Bogotá. Shalamu ABUDU, C.-l. C. (2010). Comparison of performance of statistical models in forecasting monthly streamflow of Kizil River, China. Water Science and Engineering,, 269-281. Ven Te Chow, Maidment, D., & Mays, L. (2000). HIDROLOGIA APLICADA. Santa Fe de Bogota: Mac Graw Hill. Xiao ling, W., Xiao hua , X., Li , L., & Chuan hai, W. (2014). Water level updating model for flow calculation of river networks. Water Science and Engineering. Zbigniew W. Kundzewicz, & Robson, A. (2000). Detecting trend and other changes in hydrological data. Geneva: The WCP implemented by WMO in conjunction with other international organizations consists of four major components: The World Climate Data and Monitoring Programme (WCDMP) The World Climate Applications and Services Programme. |
dc.rights.spa.fl_str_mv |
Attribution-NonCommercial-ShareAlike 4.0 International |
dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
Attribution-NonCommercial-ShareAlike 4.0 International http://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Corporación Universidad de la Costa |
dc.publisher.program.spa.fl_str_mv |
Ingeniería Civil |
institution |
Corporación Universidad de la Costa |
bitstream.url.fl_str_mv |
https://repositorio.cuc.edu.co/bitstreams/7b76e423-eca7-4211-bd82-d38c8987d3d4/download https://repositorio.cuc.edu.co/bitstreams/8ca98a02-fe86-4b76-acab-1552fe5d9431/download https://repositorio.cuc.edu.co/bitstreams/04d47225-ca18-4db0-b259-e87700dc9183/download https://repositorio.cuc.edu.co/bitstreams/84a20103-58fb-4ed5-884b-40fd7e3f39f7/download https://repositorio.cuc.edu.co/bitstreams/dd5a63c3-1d60-463c-af92-b5aaa57d8035/download |
bitstream.checksum.fl_str_mv |
7c1fe6b086e1c479f0b2e6c3534e093c 934f4ca17e109e0a05eaeaba504d7ce4 e30e9215131d99561d40d6b0abbe9bad fa1fbb8d9efee0be5d0226c5bcc266ad 4f216483d3ef992a767ed6ead8b5766e |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio de la Universidad de la Costa CUC |
repository.mail.fl_str_mv |
repdigital@cuc.edu.co |
_version_ |
1811760713370173440 |
spelling |
Cardona Almeida, CésarCanales Vega, FaustoDe La Parra Tovar, Ernesto RicardoTurizo Martínez, Jesús Isaac2021-01-29T21:08:23Z2021-01-29T21:08:23Z2020https://hdl.handle.net/11323/7804Corporación Universidad de la CostaREDICUC - Repositorio CUChttps://repositorio.cuc.edu.co/A long term forecast of river levels is beneficial for entities in charge of preparing control measures, flood risk prevention, as well as for other entities interested in these long term level forecasts. The objective of this research project is to implement a long term hydrological model, these models will be made through the use of the ARIMA function in its "AR" or auto-regression form, also the model based on an artificial neural network (RNA) of multilayer perception type will be implemented, when implementing these two models it is sought to measure their efficiency by means of the coefficient of efficiency NSE, its quadratic error RMSE, finally, the Mann-Kendall analysis will identify sets of trends in the input data obtained from the IDEAM database, each of these parameters will help to define which forecast model has a better behavior in relation to its real data. Discussions and conclusions will be drawn from these forecasts and the parameters used to measure their efficiency and error.Un pronóstico de largo plazo de los niveles del río es beneficioso para las entidades encargadas de la preparación de medidas de control, prevención del riesgo de inundaciones, como también para otras entidades interesadas en estos pronósticos de niveles a largo plazo. El objetivo de este proyecto de investigación es implementar un modelo hidrológico de largo plazo, estos modelos se realizarán a través del uso de la función ARIMA en su forma “AR” o auto regresiva, también se implementará el modelo basado en una red neuronal artificial (RNA) de tipo perceptrón multicapa, al implementar estos dos modelos se busca medir su eficiencia por medio del coeficiente de eficiencia NSE, su error cuadrático RMSE, finalmente el análisis Mann-Kendall el cual permitirá identificar conjuntos de tendencias en los datos de entrada de nivel del rio obtenidos por medio de la base de datos del IDEAM, cada uno de estos parámetros serán de ayuda para definir qué modelo de pronóstico presenta un mejor comportamiento en relación a su dato real, se plantearan discusiones y conclusiones a partir de estos pronósticos arrojados y los parámetros usados para medir su eficiencia y error.application/pdfspaCorporación Universidad de la CostaIngeniería CivilAttribution-NonCommercial-ShareAlike 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2ForecastLevelArimaRNAModelHydrologicalDataTrendPronósticoNivelModeloHidrológicoDatosTendenciaModelación hidrológica de largo plazo en la cuenca baja del Río MagdalenaTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionALCALDIA MUNICIPAL DE EL BANCO, MAGDALENA. (20 de 03 de 2018). ALCALDIA MUNICIPAL DE EL BANCO, MAGDALENA. Obtenido de GEOGRAFÍA: http://www.elbanco-magdalena.gov.co/CAMELO, F. A. (2009). Predicción de niveles del río Magdalena usando sistemas adaptativos basados en conocimiento. BOGOTÁ: UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS- FACULTAD DE INGENIERÍA.Casimiro, P. G. (s.f.). Análisis de Series Temporales: Modelos ARIMA. Sarriko-on, 169.Chengguang, L., Ruida, Z., Zhaoli , W., Xiaoqing , W., Xiaohong , C., Peng Wang, W., & Yanqing , L. (2019). Monitoring hydrological drought using long-term satellite-based precipitation data. ELSEVIER.Cormagdalena. (5 de Mayo de 2016). Obtenido de http://dc02eja.cormagdalena.gov.co/index.php?idcategoria=145Di , L., zhongbo, Y., & Lv , h. (2010). Data assimilation using support vector machines and ensemble kalman filter for multi-layer soil moisture prediction. Water Science and Engineering.DÍAZ, A. F. (2019). MODELO SARIMA PARA EL PRONÓSTICO DEL NIVEL DEL RÍO MAGDALENA A LA ALTURA DEL MUNICIPIO DE BARRANCABERMEJA. Bogotá: FUNDACIÓN UNIVERSITARIA LOS LIBERTADORES - FACULTAD DE INGENIERÍA Y CIENCIAS BÁSICAS .Domínguez Calle, E., & Lozano Báez, S. (2014). Estado del arte de los sistemas de alerta temprana en Colombia. Revista Colombiana de ciencias, 12.Duffo, E. B. (s.f.). Banrepcultural. Obtenido de www.banrepcultural.orgE. Dominguez, H. A. (2010). Viabilidad para pronósticos hidrológicos de niveles diarios,semanales y decadales en colombia. Ingenieria e investigación, 30, 178-187.Estrada, V. , & Pacheco, R. (2002). Modelación hidrológica con HEC-HMS en cuencas montañosas de la región oriental de Cuba.Estrela, T. (1992). Modelos matematicos para la evaluacion de recursos hidricos. Madrid: Centro de estudios y experimentacion de obras publicas.Fernández Mejuto, M., Vela Mayorga, A., & Castaño Fernández, S. (s.f.). La utilización de modelos en hidrologia. Revista de la Facultad de Educación de Albacete, 13.GARCÍA, J. F. (2006). UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERÍA FUNDAMENTOS PARA LA IMPLEMENTACIÓN DE RED NEURONAL PERCEPTRÓN MULTICAPA MEDIANTE SOFTWARE. Guatemala: UNIVERSIDAD DE SAN CARLOS DE GUATEMALA .GARCIA, T. Y., & GARCIA, Y. B. (2014). MODELACIÓN DE PRONÓSTICOS HIDROLÓGICOS PARA NIVELES DE AGUA EN TIEMPO REAL PARA EL RÍO SAN JORGE, CON FINES DE GESTIÓN DEL RIESGO POR INUNDACIONES EN EL MUNICIPIO DE AYAPEL CÓRDOBA. BOGOTA: UNIVERSIDAD SANTO TOMÁS.garzon, P. a. (2008). Aplicación de técnicas de inducción de árboles de decisión a problemas de clasificación mediante el uso de weka (waikato environment for knowledge analysis). Bogota: FUNDACIÓN UNIVERSITARIA KONRAD LORENZ.Hernadez, S. D. (2009). MODELO ARIMA(p,d,q). Madrid: Facultad Ciencias Económicas y Empresariales.IDEAM. (2014). Obtenido de http://www.ideam.gov.co/web/agua/modelacion-hidrologicaMohammad Valipour , Mohammad Ebrahim Banihabib, & Mahmood Reza Behbahani, S. (2012). Comparison of the ARMA, ARIMA, and the autoregressive artificial neural. Journal of Hydrology, 9.Niu, W., Feng, Z., Zeng, M., Feng, B., Min, Y., Cheng, C., & Zhou, J. (2019). Forecasting reservoir monthly runoff via ensemble empirical mode decomposition and extreme learning machine optimized by an improved gravitational search algorithm. Applied Soft Computing. doi:https://doi.org/10.1016/j.asoc.2019.105589OMM . (2006). REGLAMENTO TÉCNICO (OMM-N° 49). En HIDROLOGÍA (Vol. III, pág. CAPITULO D.1.3). GINEBRA,SUIZA.PONCE, V. M. (1989). Engineering Hydrology. Prentice Hall.Quisbert, N. C. (1997). MODELOS ARIMA. Revista Ciencia y Cultura, 8.Reyes Benavides, C. A. (agosto de 2012). Proyección a largo plazo de variables hidrológicas diarias a largo plazo en la cuenca del río Tinguiririca en Bajo Los Briones, bajo escenarios A1B y A2 de cambio climático. repositorio academico, UNIVERSIDAD DE CHILE, 73. Recuperado el 20 de 04 de 2019, de http://repositorio.uchile.cl/handle/2250/112018Sainlez, G. H. (2011). 21st European Symposium on Computer Aided Process Engineering.Sánchez, A. N. (2016). INTEGRACIÓN DEL CONCEPTO DE VARIABILIDAD HIDROCLIMÁTICA EN. Bogotá.Shalamu ABUDU, C.-l. C. (2010). Comparison of performance of statistical models in forecasting monthly streamflow of Kizil River, China. Water Science and Engineering,, 269-281.Ven Te Chow, Maidment, D., & Mays, L. (2000). HIDROLOGIA APLICADA. Santa Fe de Bogota: Mac Graw Hill.Xiao ling, W., Xiao hua , X., Li , L., & Chuan hai, W. (2014). Water level updating model for flow calculation of river networks. Water Science and Engineering.Zbigniew W. Kundzewicz, & Robson, A. (2000). Detecting trend and other changes in hydrological data. Geneva: The WCP implemented by WMO in conjunction with other international organizations consists of four major components: The World Climate Data and Monitoring Programme (WCDMP) The World Climate Applications and Services Programme.PublicationORIGINALMODELACIÓN HIDROLÓGICA DE LARGO PLAZO EN LA CUENCA BAJA DEL RIO MAGDALENA.pdfMODELACIÓN HIDROLÓGICA DE LARGO PLAZO EN LA CUENCA BAJA DEL RIO MAGDALENA.pdfapplication/pdf1724455https://repositorio.cuc.edu.co/bitstreams/7b76e423-eca7-4211-bd82-d38c8987d3d4/download7c1fe6b086e1c479f0b2e6c3534e093cMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81031https://repositorio.cuc.edu.co/bitstreams/8ca98a02-fe86-4b76-acab-1552fe5d9431/download934f4ca17e109e0a05eaeaba504d7ce4MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-83196https://repositorio.cuc.edu.co/bitstreams/04d47225-ca18-4db0-b259-e87700dc9183/downloade30e9215131d99561d40d6b0abbe9badMD53THUMBNAILMODELACIÓN HIDROLÓGICA DE LARGO PLAZO EN LA CUENCA BAJA DEL RIO MAGDALENA.pdf.jpgMODELACIÓN HIDROLÓGICA DE LARGO PLAZO EN LA CUENCA BAJA DEL RIO MAGDALENA.pdf.jpgimage/jpeg27841https://repositorio.cuc.edu.co/bitstreams/84a20103-58fb-4ed5-884b-40fd7e3f39f7/downloadfa1fbb8d9efee0be5d0226c5bcc266adMD54TEXTMODELACIÓN HIDROLÓGICA DE LARGO PLAZO EN LA CUENCA BAJA DEL RIO MAGDALENA.pdf.txtMODELACIÓN HIDROLÓGICA DE LARGO PLAZO EN LA CUENCA BAJA DEL RIO MAGDALENA.pdf.txttext/plain149294https://repositorio.cuc.edu.co/bitstreams/dd5a63c3-1d60-463c-af92-b5aaa57d8035/download4f216483d3ef992a767ed6ead8b5766eMD5511323/7804oai:repositorio.cuc.edu.co:11323/78042024-09-17 10:46:02.864http://creativecommons.org/licenses/by-nc-sa/4.0/Attribution-NonCommercial-ShareAlike 4.0 Internationalopen.accesshttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.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 |