UNAP - Repositorio Institucional
  • Visualizaciones
  • Politicas
    Política de Depósito Reglamento de Investigación Política de Acceso Abierto Normativa Académica
    Ver todas las politicas
  • Estructura Académica
    Explorar todo
    • English
    • العربية
    • বাংলা
    • Català
    • Čeština
    • Deutsch
    • Ελληνικά
    • Español
    • Suomi
    • Français
    • Gàidhlig
    • हिंदी
    • Magyar
    • Italiano
    • Қазақ
    • Latviešu
    • Nederlands
    • Polski
    • Português
    • Português do Brasil
    • Srpski (lat)
    • Српски
    • Svenska
    • Türkçe
    • Yкраї́нська
    • Tiếng Việt
    Iniciar sesión
    ¿Nuevo Usuario? Pulse aquí para registrarse ¿Has olvidado tu contraseña?
    1. Inicio
    2. Buscar por autor

    Examinando por Autor "Huaynapata Ucharico, Freddy Walter"

    Seleccione resultados tecleando las primeras letras
    Mostrando 1 - 1 de 1
    • Resultados por página
    • Opciones de ordenación
    • Cargando...
      Miniatura
      info:eu-repo/semantics/bachelorThesis
      Aplicación web basada en redes neuronales artificiales para pronosticar la demanda de agua potable en la empresa EMSA PUNO S.A. de la ciudad de Puno - 2024
      Arocutipa Condori, Walter Javier; Huaynapata Ucharico, Freddy Walter; Fernández Chambi, Mayenka , 2025-05-16 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
      La predicción de la demanda de agua potable es una herramienta fundamental para optimizar recursos y mejorar la planificación en empresas de suministro. Esta investigación tuvo como objetivo general determinar el impacto del uso de Redes Neuronales Artificiales (RNA) en un aplicativo web para mejorar el pronóstico de la demanda de agua potable en EMSA PUNO S.A. Se recopilaron datos históricos de población, precipitación y temperaturas mensuales de Puno del año 2000 al 2023, identificando las principales variables que afectan la demanda de agua. Se desarrollaron tres modelos de predicción: Redes Neuronales Feedforward (FNN), Convolucionales (CNN) y de Corto y Largo Plazo (LSTM), evaluados mediante métricas como Error Medio Absoluto (MAE), Error Cuadrático Medio (MSE) y Coeficiente de Determinación (R²). El modelo FNN obtuvo el mejor desempeño con un MAE = 11.75, superando a LSTM (12.16) y CNN (13.03), por lo que fue integrado en la aplicación web desarrollada. Se realizó la predicción para el año 2024, y los resultados se compararon con el pronóstico generado por el método tradicional. La predicción de la aplicación con el modelo FNN integrado mostró un impacto del 12.45% en la mejora del pronóstico de la demanda de agua potable en EMSA PUNO S.A., con respecto al método tradicional. Estos resultados proporcionan a EMSA PUNO S.A. una plataforma accesible e intuitiva para la toma de decisiones estratégicas basadas en datos precisos y confiables, optimizando la gestión de los recursos hídricos y mejorando la planificación a largo plazo.
    UNAP
    Repositorio Institucional
    Universidad Nacional del Altiplano

    Plataforma de acceso abierto para la producción académica e investigativa de la UNAP.

    Explorar

    • Comunidades
    • Colecciones
    • Buscar
    • Títulos
    • Autores

    Servicios

    • Depositar
    • Acerca de
    • Soporte
    • ALICIA - CONCYTEC

    Síguenos


    © 2026 Universidad Nacional del Altiplano - Puno, Perú
    PrivacidadTérminos
    Desarrollado con DSpace 7.6