Estudio de la variación estacional de la resistencia de las puestas a tierra utilizando inteligencia artificial

Autores
Feltan, Corina María; Caballero, Aldo Luis; Quintana, Angel Paolo; Yuchechen, Darío Iván
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Fil: Feltan, Corina María. Universidad Nacional de Misiones. Facultad de Ingeniería; Argentina.
Fil: Caballero, Aldo Luis. Universidad Nacional de Misiones. Facultad de Ingeniería; Argentina.
Fil: Quintana, Ángel Paolo. Universidad Nacional de Misiones. Facultad de Ingeniería; Argentina.
Fil: Yuchechen, Darío Iván. Universidad Nacional de Misiones. Facultad de Ingeniería; Argentina.
El objetivo de este trabajo es un desarrollo metodológico para la estimación de la resistencia de puesta a tierra mediante el uso de técnicas de inteligencia artificial, utilizando redes neuronales –RNA–. El valor de la resistencia de puesta a tierra depende en gran medida del sistema de puesta a tierra y las características del suelo. Teniendo en cuenta que el valor de la resistividad del suelo fluctúa durante el año, la resistencia de puesta a tierra varía en proporción a esta última. Se escoge esta metodología aprovechando la capacidad de las RNA para reconocer relaciones lineales y no lineales entre diversos parámetros. Se estima la resistencia de puesta a tierra tomando en cuenta las mediciones de la resistividad y la precipitación acumulada. Con este propósito las RNA han sido entrenadas y validadas mediante el uso de datos experimentales con el fin de examinar su capacidad para predecir la resistencia de puesta a tierra. Los resultados demuestran la eficacia de la metodología propuesta.
Materia
Sistemas de puestas a tierra
Redes neuronales artificiales
Red de retropropagación
Perceptrón multicapa
Ground resistance
Artificial neural networks
Back propagation algorithm
Multilayer perceptrons
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Atribución-NoComercial-CompartirIgual 4.0 Internacional
Repositorio
Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
Institución
Universidad Nacional de Misiones
OAI Identificador
oai:rid.unam.edu.ar:20.500.12219/4219
Acceder
id RIDUNaM_eef718faf57298cf9296dfb6be4edde4
oai_identifier_str oai:rid.unam.edu.ar:20.500.12219/4219
network_acronym_str RIDUNaM
repository_id_str
network_name_str Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
spelling Estudio de la variación estacional de la resistencia de las puestas a tierra utilizando inteligencia artificialEstimation of seasonal variation of ground resistance using artificial intelligenceFeltan, Corina MaríaCaballero, Aldo LuisQuintana, Angel PaoloYuchechen, Darío IvánSistemas de puestas a tierraRedes neuronales artificialesRed de retropropagaciónPerceptrón multicapaGround resistanceArtificial neural networksBack propagation algorithmMultilayer perceptronsFil: Feltan, Corina María. Universidad Nacional de Misiones. Facultad de Ingeniería; Argentina.Fil: Caballero, Aldo Luis. Universidad Nacional de Misiones. Facultad de Ingeniería; Argentina.Fil: Quintana, Ángel Paolo. Universidad Nacional de Misiones. Facultad de Ingeniería; Argentina.Fil: Yuchechen, Darío Iván. Universidad Nacional de Misiones. Facultad de Ingeniería; Argentina.El objetivo de este trabajo es un desarrollo metodológico para la estimación de la resistencia de puesta a tierra mediante el uso de técnicas de inteligencia artificial, utilizando redes neuronales –RNA–. El valor de la resistencia de puesta a tierra depende en gran medida del sistema de puesta a tierra y las características del suelo. Teniendo en cuenta que el valor de la resistividad del suelo fluctúa durante el año, la resistencia de puesta a tierra varía en proporción a esta última. Se escoge esta metodología aprovechando la capacidad de las RNA para reconocer relaciones lineales y no lineales entre diversos parámetros. Se estima la resistencia de puesta a tierra tomando en cuenta las mediciones de la resistividad y la precipitación acumulada. Con este propósito las RNA han sido entrenadas y validadas mediante el uso de datos experimentales con el fin de examinar su capacidad para predecir la resistencia de puesta a tierra. Los resultados demuestran la eficacia de la metodología propuesta.Universidade Regional do Noroeste do Estado do Rio Grande do Sul2018-09-25info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdf211.5 KBhttps://hdl.handle.net/20.500.12219/4219spainfo:eu-repo/semantics/openAccessAtribución-NoComercial-CompartirIgual 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-sa/4.0/reponame:Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)instname:Universidad Nacional de Misiones2025-11-27T11:00:35Zoai:rid.unam.edu.ar:20.500.12219/4219instacron:UNAMInstitucionalhttps://rid.unam.edu.ar/Universidad públicahttps://www.unam.edu.ar/https://rid.unam.edu.ar/oai/rsnrdArgentinaopendoar:2025-11-27 11:00:35.322Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) - Universidad Nacional de Misionesfalse
dc.title.none.fl_str_mv Estudio de la variación estacional de la resistencia de las puestas a tierra utilizando inteligencia artificial
Estimation of seasonal variation of ground resistance using artificial intelligence
title Estudio de la variación estacional de la resistencia de las puestas a tierra utilizando inteligencia artificial
spellingShingle Estudio de la variación estacional de la resistencia de las puestas a tierra utilizando inteligencia artificial
Feltan, Corina María
Sistemas de puestas a tierra
Redes neuronales artificiales
Red de retropropagación
Perceptrón multicapa
Ground resistance
Artificial neural networks
Back propagation algorithm
Multilayer perceptrons
title_short Estudio de la variación estacional de la resistencia de las puestas a tierra utilizando inteligencia artificial
title_full Estudio de la variación estacional de la resistencia de las puestas a tierra utilizando inteligencia artificial
title_fullStr Estudio de la variación estacional de la resistencia de las puestas a tierra utilizando inteligencia artificial
title_full_unstemmed Estudio de la variación estacional de la resistencia de las puestas a tierra utilizando inteligencia artificial
title_sort Estudio de la variación estacional de la resistencia de las puestas a tierra utilizando inteligencia artificial
dc.creator.none.fl_str_mv Feltan, Corina María
Caballero, Aldo Luis
Quintana, Angel Paolo
Yuchechen, Darío Iván
author Feltan, Corina María
author_facet Feltan, Corina María
Caballero, Aldo Luis
Quintana, Angel Paolo
Yuchechen, Darío Iván
author_role author
author2 Caballero, Aldo Luis
Quintana, Angel Paolo
Yuchechen, Darío Iván
author2_role author
author
author
dc.subject.none.fl_str_mv Sistemas de puestas a tierra
Redes neuronales artificiales
Red de retropropagación
Perceptrón multicapa
Ground resistance
Artificial neural networks
Back propagation algorithm
Multilayer perceptrons
topic Sistemas de puestas a tierra
Redes neuronales artificiales
Red de retropropagación
Perceptrón multicapa
Ground resistance
Artificial neural networks
Back propagation algorithm
Multilayer perceptrons
dc.description.none.fl_txt_mv Fil: Feltan, Corina María. Universidad Nacional de Misiones. Facultad de Ingeniería; Argentina.
Fil: Caballero, Aldo Luis. Universidad Nacional de Misiones. Facultad de Ingeniería; Argentina.
Fil: Quintana, Ángel Paolo. Universidad Nacional de Misiones. Facultad de Ingeniería; Argentina.
Fil: Yuchechen, Darío Iván. Universidad Nacional de Misiones. Facultad de Ingeniería; Argentina.
El objetivo de este trabajo es un desarrollo metodológico para la estimación de la resistencia de puesta a tierra mediante el uso de técnicas de inteligencia artificial, utilizando redes neuronales –RNA–. El valor de la resistencia de puesta a tierra depende en gran medida del sistema de puesta a tierra y las características del suelo. Teniendo en cuenta que el valor de la resistividad del suelo fluctúa durante el año, la resistencia de puesta a tierra varía en proporción a esta última. Se escoge esta metodología aprovechando la capacidad de las RNA para reconocer relaciones lineales y no lineales entre diversos parámetros. Se estima la resistencia de puesta a tierra tomando en cuenta las mediciones de la resistividad y la precipitación acumulada. Con este propósito las RNA han sido entrenadas y validadas mediante el uso de datos experimentales con el fin de examinar su capacidad para predecir la resistencia de puesta a tierra. Los resultados demuestran la eficacia de la metodología propuesta.
description Fil: Feltan, Corina María. Universidad Nacional de Misiones. Facultad de Ingeniería; Argentina.
publishDate 2018
dc.date.none.fl_str_mv 2018-09-25
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12219/4219
url https://hdl.handle.net/20.500.12219/4219
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Atribución-NoComercial-CompartirIgual 4.0 Internacional
http://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv Atribución-NoComercial-CompartirIgual 4.0 Internacional
http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.none.fl_str_mv application/pdf
application/pdf
211.5 KB
dc.publisher.none.fl_str_mv Universidade Regional do Noroeste do Estado do Rio Grande do Sul
publisher.none.fl_str_mv Universidade Regional do Noroeste do Estado do Rio Grande do Sul
dc.source.none.fl_str_mv reponame:Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
instname:Universidad Nacional de Misiones
reponame_str Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
collection Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
instname_str Universidad Nacional de Misiones
repository.name.fl_str_mv Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) - Universidad Nacional de Misiones
repository.mail.fl_str_mv
_version_ 1849953084152741888
score 12.50043

Publicaciones similares