Evaluación de metodologías para el pronóstico de series de precipitación en la cuenca del rio Sogamoso en el departamento de Santander Colombia
Se presenta la evaluación de diferentes modelos de pronóstico de precipitación en la cuenca del rio Sogamoso en Santander, Colombia. Se partió del estudio de cada una de las metodologías seleccionadas, se realizó una recopilación de los datos de las estaciones meteorológicas de la zona de estudio, p...
- Autores:
-
Páez Canabal, Alejandra
Camargo Rueda, Laura Stephany
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2019
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/15406
- Acceso en línea:
- http://hdl.handle.net/11634/15406
- Palabra clave:
- prognosis
precipitation
code
hidrosogamoso
metric
variables
Precipitación atmosférica
Metrica
Pronostico ambiental
Pronostico
Precipitacion
Codigo
Hidrosogamoso
Metricas
Variables
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
id |
SANTTOMAS2_90c2ea82f19f9f196a637f5d239cdd54 |
---|---|
oai_identifier_str |
oai:repository.usta.edu.co:11634/15406 |
network_acronym_str |
SANTTOMAS2 |
network_name_str |
Repositorio Institucional USTA |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Evaluación de metodologías para el pronóstico de series de precipitación en la cuenca del rio Sogamoso en el departamento de Santander Colombia |
title |
Evaluación de metodologías para el pronóstico de series de precipitación en la cuenca del rio Sogamoso en el departamento de Santander Colombia |
spellingShingle |
Evaluación de metodologías para el pronóstico de series de precipitación en la cuenca del rio Sogamoso en el departamento de Santander Colombia prognosis precipitation code hidrosogamoso metric variables Precipitación atmosférica Metrica Pronostico ambiental Pronostico Precipitacion Codigo Hidrosogamoso Metricas Variables |
title_short |
Evaluación de metodologías para el pronóstico de series de precipitación en la cuenca del rio Sogamoso en el departamento de Santander Colombia |
title_full |
Evaluación de metodologías para el pronóstico de series de precipitación en la cuenca del rio Sogamoso en el departamento de Santander Colombia |
title_fullStr |
Evaluación de metodologías para el pronóstico de series de precipitación en la cuenca del rio Sogamoso en el departamento de Santander Colombia |
title_full_unstemmed |
Evaluación de metodologías para el pronóstico de series de precipitación en la cuenca del rio Sogamoso en el departamento de Santander Colombia |
title_sort |
Evaluación de metodologías para el pronóstico de series de precipitación en la cuenca del rio Sogamoso en el departamento de Santander Colombia |
dc.creator.fl_str_mv |
Páez Canabal, Alejandra Camargo Rueda, Laura Stephany |
dc.contributor.advisor.none.fl_str_mv |
Cañón Ramos, Miguel Angel |
dc.contributor.author.none.fl_str_mv |
Páez Canabal, Alejandra Camargo Rueda, Laura Stephany |
dc.contributor.orcid.spa.fl_str_mv |
https://orcid.org/0000-0001-6812-450X |
dc.contributor.googlescholar.spa.fl_str_mv |
https://scholar.google.es/citations?user=FZVMaoMAAAAJ&hl=es |
dc.contributor.cvlac.spa.fl_str_mv |
http://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001610917 |
dc.subject.keyword.spa.fl_str_mv |
prognosis precipitation code hidrosogamoso metric variables |
topic |
prognosis precipitation code hidrosogamoso metric variables Precipitación atmosférica Metrica Pronostico ambiental Pronostico Precipitacion Codigo Hidrosogamoso Metricas Variables |
dc.subject.lemb.spa.fl_str_mv |
Precipitación atmosférica Metrica Pronostico ambiental |
dc.subject.proposal.spa.fl_str_mv |
Pronostico Precipitacion Codigo Hidrosogamoso Metricas Variables |
description |
Se presenta la evaluación de diferentes modelos de pronóstico de precipitación en la cuenca del rio Sogamoso en Santander, Colombia. Se partió del estudio de cada una de las metodologías seleccionadas, se realizó una recopilación de los datos de las estaciones meteorológicas de la zona de estudio, para la identificación de las variables que se utilizaron en cada uno de los modelos seleccionados. Se desarrollaron de acuerdo a los datos encontrados por cada uno de los modelos, el análisis de consistencia de la información en donde se realizan los respectivos estudios del comportamiento que tuvo cada modelo de acuerdo a sus condiciones iniciales e ideales. Para el desarrollo del proyecto se establecieron por modelos combinaciones de estaciones meteorológicas y los datos correspondientes a las variables (precipitación, humedad relativa, evapotranspiración, temperatura media y brillo solar) que se analizaron de acuerdo a las necesidades de cada uno de los modelos, con estas combinaciones y los resultados obtenidos según cada modelo, se dio respuesta a cuál es el más apto para la zona de estudio. Los modelos que se analizaron en este proyecto fueron regresión lineal simple, regresión lineal múltiple, modelos lineales generalizados, análisis de componentes principales y filtro de Kalman, cada uno requirió datos diferentes, ya que las características de cada uno son distintas. Con las combinaciones de cada uno de los modelos se realizó el proceso de análisis de cumplimiento de los criterios a evaluar, y para esto se utilizaron el 70% del total de datos de cada una de las estaciones para la simulación y con el 30% restante la validación de cada uno. Los cinco modelos planteados se desarrollaron a partir de algoritmos y series de las variables dependiendo de los criterios de cada uno, con base en los resultados de los pronósticos desarrollados en los modelos se realizó la evaluación de las metodologías aplicando las métricas de desempeño. Con base al desempeño de cada uno de los modelos, sus resultados, las métricas de desempeño y otras características, se determinó cual modelo se adecua a los datos de las estaciones y los requerimientos del modelo en el que se ejecutó, se identificaron cuales modelos presentan más errores y son descartables para la zona de la cuenca. Como resultado, se encontró que, de acuerdo con los modelos realizados y analizados, junto con la familia Gamma, el modelo cuyos mejores resultados se obtuvieron son los modelos lineales generalizados (MLG). |
publishDate |
2019 |
dc.date.accessioned.none.fl_str_mv |
2019-02-06T23:01:32Z |
dc.date.available.none.fl_str_mv |
2019-02-06T23:01:32Z |
dc.date.issued.none.fl_str_mv |
2019-01-29 |
dc.type.local.spa.fl_str_mv |
Trabajo de Grado |
dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
dc.type.category.spa.fl_str_mv |
Formación de Recurso Humano para la Ctel: Trabajo de grado de pregrado |
dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.drive.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
http://purl.org/coar/resource_type/c_7a1f |
status_str |
acceptedVersion |
dc.identifier.citation.spa.fl_str_mv |
Páez Canabal Alejandra, Camargo Rueda Laura Stephany. (2019). Evaluación de metodologías para el pronóstico de series de precipitación en la cuenca del rio Sogamoso en el departamento de Santander Colombia (Trabajo de pregrado de Ingeniería Ambiental). Universidad Santo Tomás. Bogotá, Colombia. |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11634/15406 |
dc.identifier.topographic.spa.fl_str_mv |
T.I.A. C17ev 2019 |
dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Santo Tomás |
dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Santo Tomás |
dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.usta.edu.co |
identifier_str_mv |
Páez Canabal Alejandra, Camargo Rueda Laura Stephany. (2019). Evaluación de metodologías para el pronóstico de series de precipitación en la cuenca del rio Sogamoso en el departamento de Santander Colombia (Trabajo de pregrado de Ingeniería Ambiental). Universidad Santo Tomás. Bogotá, Colombia. T.I.A. C17ev 2019 reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co |
url |
http://hdl.handle.net/11634/15406 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.references.spa.fl_str_mv |
G. Poveda et al., “Influencia de fenómenos macroclimáticos sobre el ciclo anual de la hidrología colombiana: cuantificación lineal, no lineal y percentiles probabilísticos,” Meteorol. Colomb., vol. 6, no. Octubre de 2002, pp. 121–130, 2002. Isagen, “Central Hidroeléctrica Sogamoso,” Isagen.com.co, 2016. “Climatologia Colombiana,” pp. 1–25, 1965. ANH Agencia Nacional de Hidrocarburos, “Mapa de Cuencas,” p. 1091500, 2010. C. Arango, “Implementación del modelo wrf para la sabana de Bogotá,” p. 16, 2011. F. Bordas Pérez, “Implementación y evaluación de la Factorización de Cholesky mediante TBB y threads en arquitecturas multicore,” 2011. D. Vigo, “Linealidad.” A. N. Velasco and E. Domínguez, “Integración del concepto de variabilidad hidroclimática en pronósticos de largo plazo de resolución mensual en Colombia,” p. 93, 2016. D. Fernando, C. Madariaga, J. L. González, R. Miller, R. Lozano, and E. C. Vallejo, “Inferencia estadística Módulo de regresión lineal simple,” no. 147, p. 57, 2013. E. J. (Universidad N. de C. Hernandez, N. D. (Universidad N. de C. Duque Méndez, and J. (Universidad N. de C. Moreno-Cadavid, “Generación de pronósticos para la precipitación diaria en una serie de tiempo de datos meteorológicos Forecast generation for daily precipitation in a time series of meteorological data Geração de prognósticos para a precipitação diária em uma série de te,” Ingenio Magno, vol. 7, no. June, pp. 144–155, 2016. J. Nieto, “MODELO_REGRESIÓN_INEAL_MÚLTIPLE_PARA_DETERMINAR_INFLUENCIAS_DEL_ÍNDICE_NIÑO 1_2_y_LA_MJO_SOBRE_PRECIPITACIONES_EN_GYE_ENE_FEB_MAR_AB,” Acta Oceanografica del Pacifico. 2007. R. Granados, “Modelos de regresión lineal múltiple,” Doc. Trab. en Econ. Apl., 2016. L. M. Carrascal, “Modelos generalizados lineales con spss,” 2015. S. De la Fuente Fernandez, “Análisis de Componentes Principales,” Proy. e-Math Financ. por la Secr. Estado Educ. y Universidades, pp. 141–151, 1999. H. Salinas P, “Análisis de componentes principales,” Rev. Chil. Obstet. y Ginecol., vol. 71, no. 1, pp. 1–11, 2006. E. Leyton, “Desarrollo , implementación y prueba de un filtro de Kalman del tipo UKF para un vehículo aéreo no tripulado,” 2009. J. Dorado Ruíz, J. F., “Implementación de filtros de Kalman como método de ajuste a los modelos de pronóstico (GFS) de temperaturas máximas y mínima para algunas ciudades de Colombia,” 2018. T. Dalgleish et al., “[ No Title ],” J. Exp. Psychol. Gen., vol. 136, no. 1, pp. 23–42, 2007. Á. Jaramillo-Robledo and B. Chaves-Córdoba, “Distribución de la precipitación en Colombia analizada mediante conglomeración estadística,” Cenicafé, vol. 51, no. 2, pp. 102–113, 2000. |
dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.coverage.campus.spa.fl_str_mv |
CRAI-USTA Bogotá |
dc.publisher.spa.fl_str_mv |
Universidad Santo Tomás |
dc.publisher.program.spa.fl_str_mv |
Pregrado de Ingeniería Ambiental |
dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería Ambiental |
institution |
Universidad Santo Tomás |
bitstream.url.fl_str_mv |
https://repository.usta.edu.co/bitstream/11634/15406/4/license.txt https://repository.usta.edu.co/bitstream/11634/15406/1/2019alejandra.pdf https://repository.usta.edu.co/bitstream/11634/15406/2/cartadeaprobacion.pdf https://repository.usta.edu.co/bitstream/11634/15406/3/derechosdeautor.pdf https://repository.usta.edu.co/bitstream/11634/15406/5/2019alejandra.pdf.jpg https://repository.usta.edu.co/bitstream/11634/15406/6/cartadeaprobacion.pdf.jpg https://repository.usta.edu.co/bitstream/11634/15406/7/derechosdeautor.pdf.jpg |
bitstream.checksum.fl_str_mv |
f6b8c5608fa6b2f649b2d63e10c5fa73 0623ffd89332eefdfcdb9f5e99ef38ff 2f54f5acadc4da812fabbe70a78fabc0 f6fc9890db6b239ce04e1790801bbf58 d806d587f6bbd6fa6749287f0b446e9e 98420892c5b73b3715097a04eadf0351 ce64a5e299a5fec4a8932e6bba9c8a5a |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Universidad Santo Tomás |
repository.mail.fl_str_mv |
repositorio@usantotomas.edu.co |
_version_ |
1782026342249791488 |
spelling |
Cañón Ramos, Miguel AngelPáez Canabal, AlejandraCamargo Rueda, Laura Stephanyhttps://orcid.org/0000-0001-6812-450Xhttps://scholar.google.es/citations?user=FZVMaoMAAAAJ&hl=eshttp://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=00016109172019-02-06T23:01:32Z2019-02-06T23:01:32Z2019-01-29Páez Canabal Alejandra, Camargo Rueda Laura Stephany. (2019). Evaluación de metodologías para el pronóstico de series de precipitación en la cuenca del rio Sogamoso en el departamento de Santander Colombia (Trabajo de pregrado de Ingeniería Ambiental). Universidad Santo Tomás. Bogotá, Colombia.http://hdl.handle.net/11634/15406T.I.A. C17ev 2019reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coSe presenta la evaluación de diferentes modelos de pronóstico de precipitación en la cuenca del rio Sogamoso en Santander, Colombia. Se partió del estudio de cada una de las metodologías seleccionadas, se realizó una recopilación de los datos de las estaciones meteorológicas de la zona de estudio, para la identificación de las variables que se utilizaron en cada uno de los modelos seleccionados. Se desarrollaron de acuerdo a los datos encontrados por cada uno de los modelos, el análisis de consistencia de la información en donde se realizan los respectivos estudios del comportamiento que tuvo cada modelo de acuerdo a sus condiciones iniciales e ideales. Para el desarrollo del proyecto se establecieron por modelos combinaciones de estaciones meteorológicas y los datos correspondientes a las variables (precipitación, humedad relativa, evapotranspiración, temperatura media y brillo solar) que se analizaron de acuerdo a las necesidades de cada uno de los modelos, con estas combinaciones y los resultados obtenidos según cada modelo, se dio respuesta a cuál es el más apto para la zona de estudio. Los modelos que se analizaron en este proyecto fueron regresión lineal simple, regresión lineal múltiple, modelos lineales generalizados, análisis de componentes principales y filtro de Kalman, cada uno requirió datos diferentes, ya que las características de cada uno son distintas. Con las combinaciones de cada uno de los modelos se realizó el proceso de análisis de cumplimiento de los criterios a evaluar, y para esto se utilizaron el 70% del total de datos de cada una de las estaciones para la simulación y con el 30% restante la validación de cada uno. Los cinco modelos planteados se desarrollaron a partir de algoritmos y series de las variables dependiendo de los criterios de cada uno, con base en los resultados de los pronósticos desarrollados en los modelos se realizó la evaluación de las metodologías aplicando las métricas de desempeño. Con base al desempeño de cada uno de los modelos, sus resultados, las métricas de desempeño y otras características, se determinó cual modelo se adecua a los datos de las estaciones y los requerimientos del modelo en el que se ejecutó, se identificaron cuales modelos presentan más errores y son descartables para la zona de la cuenca. Como resultado, se encontró que, de acuerdo con los modelos realizados y analizados, junto con la familia Gamma, el modelo cuyos mejores resultados se obtuvieron son los modelos lineales generalizados (MLG).The evaluation of different precipitation forecasting models is presented in the Sogamoso River in Santander, Colombia. From the study of each of the selected methodologies, a compilation of the data of the meteorological stations of the study area was carried out, for the identification of the variables that were used in each of the selected models. They were developed according to the data found by each of the models, the consistency analysis of the information in which the respective studies of the behavior of each model were carried out according to their initial and ideal conditions. For the development of the project, combinations of meteorological stations and data corresponding to the variables (precipitation, relative humidity, evapotranspiration, mean temperature and solar brightness) were established, which were analyzed according to the needs of each of the models, with these combinations and the results obtained according to each model, was answered which is the most suitable for the study area. The models that were analyzed in this project were simple linear regression, multiple linear regression, generalized linear models, principal component analysis and Kalman filter, each one required different data, since the characteristics of each are different. With the combinations of each of the models, the process of analyzing compliance with the criteria to be evaluated was performed, and for this, 70% of the total data from each of the stations was used for the simulation and with the remaining 30% the forecast of each one. The five proposed models were developed from algorithms and series of variables depending on the criteria of each, based on the results of the forecasts developed in the models, the evaluation of the methodologies was carried out applying the performance metrics. Based on the performance of each of the models, their results, performance metrics and other characteristics, it was determined which model fits the data of the stations and the requirements of the model in which it was executed, which models were identified. more errors and they are disposable for the area of the basin. As a result, it was found that, according to the models made and analyzed, together with the Gamma family, the model whose best results were obtained are the generalized linear models (MLG).Ingeniero Ambientalhttp://unidadinvestigacion.usta.edu.coPregradoapplication/pdfspaUniversidad Santo TomásPregrado de Ingeniería AmbientalFacultad de Ingeniería AmbientalAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Evaluación de metodologías para el pronóstico de series de precipitación en la cuenca del rio Sogamoso en el departamento de Santander ColombiaprognosisprecipitationcodehidrosogamosometricvariablesPrecipitación atmosféricaMetricaPronostico ambientalPronosticoPrecipitacionCodigoHidrosogamosoMetricasVariablesTrabajo de Gradoinfo:eu-repo/semantics/acceptedVersionFormación de Recurso Humano para la Ctel: Trabajo de grado de pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA BogotáG. Poveda et al., “Influencia de fenómenos macroclimáticos sobre el ciclo anual de la hidrología colombiana: cuantificación lineal, no lineal y percentiles probabilísticos,” Meteorol. Colomb., vol. 6, no. Octubre de 2002, pp. 121–130, 2002.Isagen, “Central Hidroeléctrica Sogamoso,” Isagen.com.co, 2016.“Climatologia Colombiana,” pp. 1–25, 1965.ANH Agencia Nacional de Hidrocarburos, “Mapa de Cuencas,” p. 1091500, 2010.C. Arango, “Implementación del modelo wrf para la sabana de Bogotá,” p. 16, 2011.F. Bordas Pérez, “Implementación y evaluación de la Factorización de Cholesky mediante TBB y threads en arquitecturas multicore,” 2011.D. Vigo, “Linealidad.”A. N. Velasco and E. Domínguez, “Integración del concepto de variabilidad hidroclimática en pronósticos de largo plazo de resolución mensual en Colombia,” p. 93, 2016.D. Fernando, C. Madariaga, J. L. González, R. Miller, R. Lozano, and E. C. Vallejo, “Inferencia estadística Módulo de regresión lineal simple,” no. 147, p. 57, 2013.E. J. (Universidad N. de C. Hernandez, N. D. (Universidad N. de C. Duque Méndez, and J. (Universidad N. de C. Moreno-Cadavid, “Generación de pronósticos para la precipitación diaria en una serie de tiempo de datos meteorológicos Forecast generation for daily precipitation in a time series of meteorological data Geração de prognósticos para a precipitação diária em uma série de te,” Ingenio Magno, vol. 7, no. June, pp. 144–155, 2016.J. Nieto, “MODELO_REGRESIÓN_INEAL_MÚLTIPLE_PARA_DETERMINAR_INFLUENCIAS_DEL_ÍNDICE_NIÑO 1_2_y_LA_MJO_SOBRE_PRECIPITACIONES_EN_GYE_ENE_FEB_MAR_AB,” Acta Oceanografica del Pacifico. 2007.R. Granados, “Modelos de regresión lineal múltiple,” Doc. Trab. en Econ. Apl., 2016.L. M. Carrascal, “Modelos generalizados lineales con spss,” 2015.S. De la Fuente Fernandez, “Análisis de Componentes Principales,” Proy. e-Math Financ. por la Secr. Estado Educ. y Universidades, pp. 141–151, 1999.H. Salinas P, “Análisis de componentes principales,” Rev. Chil. Obstet. y Ginecol., vol. 71, no. 1, pp. 1–11, 2006.E. Leyton, “Desarrollo , implementación y prueba de un filtro de Kalman del tipo UKF para un vehículo aéreo no tripulado,” 2009.J. Dorado Ruíz, J. F., “Implementación de filtros de Kalman como método de ajuste a los modelos de pronóstico (GFS) de temperaturas máximas y mínima para algunas ciudades de Colombia,” 2018.T. Dalgleish et al., “[ No Title ],” J. Exp. Psychol. Gen., vol. 136, no. 1, pp. 23–42, 2007.Á. Jaramillo-Robledo and B. Chaves-Córdoba, “Distribución de la precipitación en Colombia analizada mediante conglomeración estadística,” Cenicafé, vol. 51, no. 2, pp. 102–113, 2000.LICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/15406/4/license.txtf6b8c5608fa6b2f649b2d63e10c5fa73MD54open accessORIGINAL2019alejandra.pdf2019alejandra.pdfapplication/pdf2578903https://repository.usta.edu.co/bitstream/11634/15406/1/2019alejandra.pdf0623ffd89332eefdfcdb9f5e99ef38ffMD51open accesscartadeaprobacion.pdfcartadeaprobacion.pdfapplication/pdf180326https://repository.usta.edu.co/bitstream/11634/15406/2/cartadeaprobacion.pdf2f54f5acadc4da812fabbe70a78fabc0MD52metadata only accessderechosdeautor.pdfderechosdeautor.pdfapplication/pdf338953https://repository.usta.edu.co/bitstream/11634/15406/3/derechosdeautor.pdff6fc9890db6b239ce04e1790801bbf58MD53metadata only accessTHUMBNAIL2019alejandra.pdf.jpg2019alejandra.pdf.jpgIM Thumbnailimage/jpeg4311https://repository.usta.edu.co/bitstream/11634/15406/5/2019alejandra.pdf.jpgd806d587f6bbd6fa6749287f0b446e9eMD55open accesscartadeaprobacion.pdf.jpgcartadeaprobacion.pdf.jpgIM Thumbnailimage/jpeg6922https://repository.usta.edu.co/bitstream/11634/15406/6/cartadeaprobacion.pdf.jpg98420892c5b73b3715097a04eadf0351MD56metadata only accessderechosdeautor.pdf.jpgderechosdeautor.pdf.jpgIM Thumbnailimage/jpeg8741https://repository.usta.edu.co/bitstream/11634/15406/7/derechosdeautor.pdf.jpgce64a5e299a5fec4a8932e6bba9c8a5aMD57metadata only access11634/15406oai:repository.usta.edu.co:11634/154062022-10-10 15:08:41.646open accessRepositorio Universidad Santo Tomásrepositorio@usantotomas.edu.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 |