Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTEGRANTES :
ALVAREZ AROSTEGUI, Annghy
BARRUETA PAUCAR; Mayori
CRISTANCHO ARIZA; Krystell
FERNNDEZ ESCOBAR; Angie
MARTIN CALIXTO; Abdiel
ORTEGA CUTIPA, Oscar
OSORIO PEDRAZA; Erick
ROMERO USHUAHUA, Patricia
VARGAS ARATA, Bryan
CICLO : 2016 II
I. INTRODUCCION
b) Funcin Sigmoidal
Su caracterstica ms importante es el de acortar la amplitud de la
salida a un nmero comprendido entre 0 y 1.
c) Funcin hiperblica
La salida de esta funcin est comprendida entre -1 y 1.
d) Funcin lineal
En el cual la salida de la funcin es igual a la entrada.
a) Aprendizaje no supervisado
En los algoritmos no supervisados no se conoce la seal que debe
dar la red neuronal (seal deseada). La red en este caso se organiza ella misma
agrupando, segn sus caractersticas, las diferentes seales de entrada. Estos
sistemas proporcionan un mtodo de clasificacin de las diferentes entradas
mediante tcnicas de agrupamiento o clustering.
b) Aprendizaje supervisado
Presenta a la red las salidas que debe proporcionar ante las seales
que se le presentan. Se observa la salida de la red y se determina la diferencia entre
sta y la seal deseada. Posteriormente, los pesos de la red son modificados de
acuerdo con el error cometido. Este aprendizaje admite dos variantes: aprendizaje
por refuerzo o aprendizaje por correccin. En el aprendizaje por refuerzo slo
conocemos si la salida de la red se corresponde o no con la seal deseada, es
decir, nuestra informacin es de tipo booleana (verdadero o falso). En el aprendizaje
por correccin conocemos la magnitud del error y sta determina la magnitud en el
cambio de los pesos.
En lo sucesivo {x1, ...., xnj} sern las entradas a la red, es decir, que
formarn la capa de entrada y constituirn las entradas a las neuronas de la
capa oculta mientras que xo es la entrada que, dependiendo de que su valor sea
+1 o -1, se denomina bias o umbral. Por otra parte {wm1,..., wmn} sern los pesos
sinpticos que conectan las entradas con la neurona oculta m y W mo es el sesgo
(peso sinptico correspondiente a xo):
- Empresa
Evaluacin de probabilidad de formaciones geolgicas y
petrolferas.
Identificacin de candidatos para posiciones especficas.
Explotacin de bases de datos.
Optimizacin de plazas y horarios en lneas de vuelo.
Reconocimiento de caracteres escritos.
Medio ambiente
Analizar tendencias y patrones.
Previsin del tiempo.
- Finanzas
22
MODELIZACION AMBIENTAL 2016 -I
- Manufacturacin
Robots automatizados y sistemas de control (visin artificial y
sensores de presin, temperatura, gas, etc.)
Control de produccin en lneas de proceso.
Inspeccin de la calidad.
- Medicina
Analizadores del habla para la ayuda de audicin de sordos
profundos.
Diagnstico y tratamiento a partir de sntomas y/o de datos
analticos (electrocardiograma, encefalograma, anlisis sanguneo, etc.).
Prediccin de reacciones adversas a los medicamentos.
Lectores de rayos X.
Entendimiento de la causa de los ataques epilpticos.
Fuentes puntuales
Se consideran a las grandes zonas industriales.
Fuentes mviles
Causados por los vehculos automotores.
Fuentes de rea
Como las emisiones domsticas, emisiones de industrias ligeras y
reas comerciales.
Fuentes biognicas o naturales
Causadas por acontecimientos naturales.
24
MODELIZACION AMBIENTAL 2016 -I
COORDENADAS
UBICACIN
ESTE NORTE
3.1.1 Ubicacin
Departamento Hunuco
Provincia Leoncio Prado
Distrito Rupa Rupa
Fuente: Elaboracin Propia
3.1.2 Superficie
La ciudad de Tingo Mara posee una superficie de 4,395.46 km2.
3.1.3 Poblacin
La capital de la provincia de Leoncio Prado cuenta con aproximadamente
con 50,000 habitantes.
30
MODELIZACION AMBIENTAL 2016 -I
3.1.4 Clima
Las condiciones climticas de la ciudad de Tingo Mara presentan una
temperatura mxima de 29,4 C la mnima de 19,2 C, y una temperatura media anual
de 24,5 C.
3.1.5 Precipitacin
La ciudad de Tingo Mara presenta una precipitacin promedio anual de 3
300mm, y una humedad relativa de 87% (INRENA, 2007). Destacan dos estaciones
predominantes: verano, entre los meses de mayo a octubre donde la temperatura llega
a 35 C; durante la temporada de verano ocasionalmente hallamos lluvias de mediana
y gran intensidad. Durante la estacin de invierno que va desde noviembre y se
prolonga hasta el mes de marzo, son constantes las precipitaciones pluviales intensas.
Agropecuaria
La agricultura es el sector ms importante de la provincia de Leoncio Prado,
sin embargo del total de reas disponibles se cultivan el 13.3% (22,908 ha). Los
principales productos agrcolas cultivados en la provincia son: Cacao, maz amarillo,
coca, yuca, caf, entre otros.
El producto ms representativo es el cacao por cuanto su calidad y rendimiento
ha sido mejorado gracias al esfuerzo de instituciones como la UNAS, Empresas
Privadas, Proyecto Especial Alto Huallaga.
Forestal
La actividad forestal es una actividad desarrollada en todo el distrito de Rupa
Rupa. En los ltimos aos ha aumentado su actividad observndose que el recurso
forestal ha sido depredado en gran medida por situaciones de prcticas agropecuarias,
31
MODELIZACION AMBIENTAL 2016 -I
industrias ineficientes y cultivos ilcitos que lo estn llevando a una situacin de escasez
en diversidad de especies y tambin esto est significando una degradacin acelerada
de los suelos y el desequilibrio hdrico y su contaminacin atentando contra la fauna
acutica, fauna terrestre, flora arbustiva y arbrea y finalmente contra la vida de la
poblacin.
Turismo
La actividad turstica es ampliamente desarrollada en la ciudad de Tingo Mara,
posee diferentes atractivos tursticos con una amplia biodiversidad.
La biodiversidad que abunda permite que tantos ajenos como propios disfruten
del encanto de la naturaleza, con un clima clido y hmedo a una altitud de 652
m.s.n.m.; teniendo como uno de los principales atractivos a la Bella Durmiente, una
cadena de montaas que tienen la apariencia del perfil de una mujer recostada cubierta
por un manto verde.
La artesana
Abarca diferentes rubros, as como una variedad de formas y expresiones
producto de la flora y fauna que alberga esta parte del pas, as como al imaginacin
que sugiere representar hechos de la vida diaria nativa, tambin como expresiones
abstractas. La tcnica ms usada y casi la nica es el tallado; los materiales
comnmente utilizados en la elaboracin de artesanas.
3.1.8 Vas de acceso
3.2 Materiales
3.2.1 Materiales de campo
Placa receptora de Polvo Atmosfrico Sedimentable, hecho por
material de vidrio de dimensiones (10 x 10 cm) trazadas en
cuadrculas de (1 x 1) cm. Figura 31.
Plataforma para las Placas Receptoras de Polvo Atmosfrico
Sedimentable, conformada por una estructura de alambres..
Cajas Portaplacas de Polvo Atmosfrico Sedimentable (para 18
placas) de madera. Figura 24
GPS.
Cmara Fotogrfica.
Cuaderno de apuntes.
3.2.2 Equipos de laboratorio
Balanza Electrnica, con divisin de escala >= 0,0001 g y capacidad
>= 110 g.
Alcohol de 96.
Vaselina Industrial.
Guantes de Cirujano
Solucin Lquida Limpiadora
Trapos Industriales.
Plumn de Tinta Indeleble.
Lpiz.
Cinta Maskintape 1 .
Cuaderno de campo.
3.2.3 Equipos de gabinete
Software
R (incluido su paquete Openair)
Microsoft de Excel
Microsoft de word
3.3 Metodologa
33
MODELIZACION AMBIENTAL 2016 -I
W pr W pc
N dc
Donde:
Seleccin de variables.
Las variables que se utiliz fueron:
- Temperatura
- Humedad relativa
- Lluvia total, minima y nmero de das
37
MODELIZACION AMBIENTAL 2016 -I
Interpretacin y evaluacin.
Se verifico si los resultados obtenidos son coherentes y los compara con los
obtenidos por el anlisis estadstico y de visualizacin grfica.
- Temperatura
- Humedad relativa
- Lluvia total, minima y nmero de das
- Velocidad y direccin del viento
Donde
X: concentracin registrada.
X: variable escalonada.
39
MODELIZACION AMBIENTAL 2016 -I
Algoritmo de aprendizaje
Topologa de la red
Proceso de aprendizaje
Donde:
j = 1, 2, ..., N.
N: cantidad de puntos.
- IDW
La interpolacin del punto problema se realiz asignando pesos a los
datos del entorno en funcin inversa de la distancia que los separa -inverse distance
weighting, IDW.
- KRIGING
El mtodo kriging es similar al de IDW en que pondera los valores medidos
circundantes para calcular una prediccin de una ubicacin sin mediciones. La frmula
general para ambos interpoladores se forma como una suma ponderada de los datos:
Donde:
Z(si) = el valor medido en la ubicacin i
s0 = la ubicacin de la prediccin
IV. RESULTADOS
4.1. Datos del este, norte y altitud con la masa de la placa.
Figura 18. Regresin tras el ltimo entrenamiento de la red. (ntese cambio del
coeficiente de correlacin de Pearson)
V. DISCUSION
VI. CONCLUSION
EL PERUANO
54
MODELIZACION AMBIENTAL 2016 -I
OMS, 2004. Guas para la calidad del aire, Organizacin Mundial de la Salud,
lima, Per.
VIII. ANEXOS