Ver Estadísticas

Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas: contador visitas

  1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
  2. Tesis de Posgrado
  3. Baja California Sur
  4. Instituto Tecnológico de La Paz
  5. Tesis de maestría
  6. Maestría en Sistemas Computacionales

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/8230
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorTenorio Férnandez, Leonardo%214765-
dc.contributor.advisorCastro Liera, Iliana%302290-
dc.contributor.advisorRomero Quintero, Emmanuel%780669-
dc.contributor.authorFong González, Marcos Daniel-
dc.creatorFong González, Marcos Daniel%1237598-
dc.date.accessioned2024-10-04T22:08:40Z-
dc.date.available2024-10-04T22:08:40Z-
dc.date.issued2024-08-27-
dc.identifier.urihttps://rinacional.tecnm.mx/jspui/handle/TecNM/8230-
dc.descriptionEl grupo internacional Argo Floats realiza mediciones de los océanos empleando perfiladores hidrográficos autónomos. Los datos, producto de dichas mediciones, son analizados por un sistema automatizado que les asigna etiquetas de acuerdo a su calidad y posteriormente,son puestos a disposición de la comunidad científica. Más tarde, son revisados por especialistas a través del control de calidad en modo diferido, donde se realizan correcciones. Analizar los perfiles en modo diferido resulta difícil debido al aumento de perfiles medidos mensualmente,por lo que este estudio propone una metodología que utiliza redes neuronales artificiales (RNA) para clasificar los datos hidrográficos de acuerdo con su nivel de calidad, para posteriormente estimar los valores ajustados de los mismos datos para mejorar su calidad, usando RNA de regresión. Dicha metodología permite realizar un balanceo de la distribución de los datos, para después desarrollar modelos de RNA capaces de clasificarlos en base a su calidad, logrando un nivel de exactitud promedio de 90% para temperatura y presión, y 80% para salinidad. Adicionalmente,la metodología hace posible crear RNA de regresión que generan predicciones de los valores ajustados de los datos hidrográficos con un valor de correlación R2 superior a 0.99 para las tres variables, y un valor de raíz de error cuadrático medio de 0.0005, 0.0136 y 0.1298 para temperatura, salinidad y presión respectivamente. Gracias a estos resultados, se propone la metodología como una alternativa viable, cuando no se cuenta con datos procesados por el Control de calidad en modo diferido.es_MX
dc.language.isospaes_MX
dc.publisherTecnológico Nacional de Méxicoes_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subjectinfo:eu-repo/classification/cti/7es_MX
dc.subject.otherArgo Floatses_MX
dc.subject.otherSistema automatizadoes_MX
dc.subject.otherControl de calidades_MX
dc.subject.otherComunidad científicaes_MX
dc.subject.otherRedes neuronales artificialeses_MX
dc.subject.other(RNA)es_MX
dc.subject.otherRNA de regresiónes_MX
dc.subject.otherValores ajustadoses_MX
dc.subject.otherValor de correlaciónes_MX
dc.subject.otherValor de raíz de errores_MX
dc.subject.otherControl de calidad en modo diferidoes_MX
dc.titleControl de calidad de perfiles hidrográficos basado en redes neuronales artificialeses_MX
dc.typeinfo:eu-repo/semantics/masterThesises_MX
dc.contributor.directorCastro Liera, Marco Antonio%256582-
dc.folioMSC-04-2024es_MX
dc.rights.accessinfo:eu-repo/semantics/openAccesses_MX
dc.publisher.tecnmInstituto Tecnológico de La Pazes_MX
Appears in Collections:Maestría en Sistemas Computacionales

Files in This Item:
File Description SizeFormat 
Licencia_uso_obra.pdf979.29 kBAdobe PDFView/Open
Tesis_Fong.pdf2.02 MBAdobe PDFView/Open
Tesis_Fong_Turnititn.pdf2.1 MBAdobe PDFView/Open


This item is protected by original copyright

View License
Show simple item record


This item is licensed under a Creative Commons License Creative Commons