Determinación de evapotranspiración de referencia a partir de modelos de inteligencia artificial

Autores
Juarez, Jose; Trentin, Gustavo; Heinen, Milton
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La evapotranspiración de referencia () es un indicador importante para la gestión y planificación de los recursos hídricos. El objetivo principal de este estudio fue evaluar 4 modelos de inteligencia artificial (IA) para estimar la en función al número de variables de entrada. Para tal fin, se aplicó K-Nearest Neighbors (K-NN), Naïve Bayes (BAYES), Support Vector Machines (SVM) y Artificial Neural Network (ANN), sobre una base de datos de 3 años. Los resultados presentados en este estudio, indican que los modelos de IA podrían utilizarse para la aplicación práctica de la planificación y gestión de los recursos hídricos.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Penman-Monteith
support vector machines
artificial neural network
Meteorología
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/71260
Acceder
id SEDICI_45c9d30a8f50395efab4f1aa5f1ab13b
oai_identifier_str oai:sedici.unlp.edu.ar:10915/71260
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Determinación de evapotranspiración de referencia a partir de modelos de inteligencia artificialJuarez, JoseTrentin, GustavoHeinen, MiltonCiencias InformáticasPenman-Monteithsupport vector machinesartificial neural networkMeteorologíaLa evapotranspiración de referencia () es un indicador importante para la gestión y planificación de los recursos hídricos. El objetivo principal de este estudio fue evaluar 4 modelos de inteligencia artificial (IA) para estimar la en función al número de variables de entrada. Para tal fin, se aplicó K-Nearest Neighbors (K-NN), Naïve Bayes (BAYES), Support Vector Machines (SVM) y Artificial Neural Network (ANN), sobre una base de datos de 3 años. Los resultados presentados en este estudio, indican que los modelos de IA podrían utilizarse para la aplicación práctica de la planificación y gestión de los recursos hídricos.Sociedad Argentina de Informática e Investigación Operativa2018-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf160-168http://sedici.unlp.edu.ar/handle/10915/71260spainfo:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/CAI-27.pdfinfo:eu-repo/semantics/altIdentifier/issn/2525-0949info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/3.0/Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-29T15:16:42Zoai:sedici.unlp.edu.ar:10915/71260Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-29 15:16:42.33SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Determinación de evapotranspiración de referencia a partir de modelos de inteligencia artificial
title Determinación de evapotranspiración de referencia a partir de modelos de inteligencia artificial
spellingShingle Determinación de evapotranspiración de referencia a partir de modelos de inteligencia artificial
Juarez, Jose
Ciencias Informáticas
Penman-Monteith
support vector machines
artificial neural network
Meteorología
title_short Determinación de evapotranspiración de referencia a partir de modelos de inteligencia artificial
title_full Determinación de evapotranspiración de referencia a partir de modelos de inteligencia artificial
title_fullStr Determinación de evapotranspiración de referencia a partir de modelos de inteligencia artificial
title_full_unstemmed Determinación de evapotranspiración de referencia a partir de modelos de inteligencia artificial
title_sort Determinación de evapotranspiración de referencia a partir de modelos de inteligencia artificial
dc.creator.none.fl_str_mv Juarez, Jose
Trentin, Gustavo
Heinen, Milton
author Juarez, Jose
author_facet Juarez, Jose
Trentin, Gustavo
Heinen, Milton
author_role author
author2 Trentin, Gustavo
Heinen, Milton
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Penman-Monteith
support vector machines
artificial neural network
Meteorología
topic Ciencias Informáticas
Penman-Monteith
support vector machines
artificial neural network
Meteorología
dc.description.none.fl_txt_mv La evapotranspiración de referencia () es un indicador importante para la gestión y planificación de los recursos hídricos. El objetivo principal de este estudio fue evaluar 4 modelos de inteligencia artificial (IA) para estimar la en función al número de variables de entrada. Para tal fin, se aplicó K-Nearest Neighbors (K-NN), Naïve Bayes (BAYES), Support Vector Machines (SVM) y Artificial Neural Network (ANN), sobre una base de datos de 3 años. Los resultados presentados en este estudio, indican que los modelos de IA podrían utilizarse para la aplicación práctica de la planificación y gestión de los recursos hídricos.
Sociedad Argentina de Informática e Investigación Operativa
description La evapotranspiración de referencia () es un indicador importante para la gestión y planificación de los recursos hídricos. El objetivo principal de este estudio fue evaluar 4 modelos de inteligencia artificial (IA) para estimar la en función al número de variables de entrada. Para tal fin, se aplicó K-Nearest Neighbors (K-NN), Naïve Bayes (BAYES), Support Vector Machines (SVM) y Artificial Neural Network (ANN), sobre una base de datos de 3 años. Los resultados presentados en este estudio, indican que los modelos de IA podrían utilizarse para la aplicación práctica de la planificación y gestión de los recursos hídricos.
publishDate 2018
dc.date.none.fl_str_mv 2018-09
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/71260
url http://sedici.unlp.edu.ar/handle/10915/71260
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/CAI-27.pdf
info:eu-repo/semantics/altIdentifier/issn/2525-0949
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
dc.format.none.fl_str_mv application/pdf
160-168
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1847428091639496704
score 13.10058

Publicaciones similares