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...

Descripción completa

Autor Principal: Rodríguez Campo, Juan Carlos
Publicado: Pontificia Universidad Javeriana 2014
Materias:
Acceso en línea: http://hdl.handle.net/10554/3826
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
Sumario: 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.