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...

Full description

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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