Топ-10 конкурентов imasd.fcien.edu.uy

taller5a.wordpress.com

Pautas de entrega final Fecha de entrega:  Todos los niveles 1 de diciembre de 2011  La entrega impresa debe contemplar: > Diagnóstico de problemática (que no supere la carilla) > Relevamient…

iiiepe.edu.mx

El Instituto de Investigación, Innovación y Estudios de Posgrado para la Educación del Estado de Nuevo León es una comunidad académica de alto nivel integrada por profesionales de la educación: formadores, investigadores y tecnólogos comprometidos con la mejora de la calidad educativa.

psicologiasocial.uab.es

som una universitat capdavantera que imparteix una docència de qualitat i excel·lència, diversificada, multidisciplinària i flexible, ajustada a les necessitats de la societat i adaptada als nous models de l'europa del coneixement. la uab és reconeguda internacionalment per la qualitat i el caràcter innovador de la seva recerca.

standardmethods.org

Standard Methods for the Examination of Water and Wastewater represents the best current practice of American water analysts. This comprehensive reference covers all aspects of water and wastewater analysis techniques.

did.usb.ve

Indicadores de Investigación

revistaingenieria.univalle.edu.co

Introducción: Los sistemas hidrológicos han sido severamente impactados por el aumento de eventos extremos como inundaciones y sequias, a su vez intensificados por el cambio climático. La cuenca del río Tuluá, ubicada en el Valle del Cauca – Colombia, enfrenta retos adicionales por la deforestación y limitada cobertura de monitoreo, complicando la gestión eficiente del recurso hídrico. Objetivos: Desarrollar un modelo neuronal basado en redes LSTM para predecir el caudal del río Tuluá a partir de variables hidrometeorológicas, para la anticipación de escenarios extremos y el apoyo en la toma de decisiones en la gestión hídrica regional. Metodología: 6875 registros diarios para cinco variables (precipitación, temperatura, evaporación, humedad relativa y caudal) de siete estaciones, fueron consolidadas. Para completar valores faltantes se aplicó preprocesamiento de datos usando KNN y análisis de correlación de Pearson. Se configuró y se entrenó el modelo LSTM, el cual se evaluó para los subconjuntos de entrenamiento, prueba y validación mediante métricas usuales para redes neuronales. Resultados: Una alta capacidad predictiva con coeficientes de correlación R (0,75 – 0,98) mostró el modelo neuronal. Se evidenció que el modelo captura efectivamente las dependencias temporales y patrones no lineales, además de identificar la influencia del fenómeno ENSO en la dinámica hidrológica local. Conclusiones: El modelo LSTM es una herramienta efectiva en la estimación de caudales para la cuenca en estudio, lo cual facilita tanto la gestión hídrica como la prevención de los riesgos que se asocian a la variabilidad climático. Futuros desarrollos pueden potenciar su precisión y utilidad, si consideran la inclusión de índices climático globales.

bibliotecas.umar.mx

universidad del mar, umar, puerto ángel, huatulco, puerto escondido, suneo, oaxaca