dc.contributor.advisor | Flores Flores, Victor Cipriano | es_PE |
dc.contributor.author | Mamani Cutipa, Ronie David | es_PE |
dc.contributor.author | Roman Quispe, Yefrin Rosmel | es_PE |
dc.date.accessioned | 2023-07-05T17:19:19Z | |
dc.date.available | 2023-07-05T17:19:19Z | |
dc.date.issued | 2023-07-07 | |
dc.identifier.uri | https://repositorio.unap.edu.pe/handle/20.500.14082/20161 | |
dc.description.abstract | El objetivo de esta investigación es implementar un modelo de geoide local con algoritmos de machine learning para ajustar la precisión vertical en mediciones GNSS de levantamientos topográficos en Salcedo, y los objetivos específicos son: describir la precisión antes de la implementación del modelo, implementar el modelo en una sola etapa y describir la precisión después de la implementación del modelo. La investigación que se ha desarrollado es de tipo aplicada, con un nivel de estudio experimental y un diseño: cuantitativo, experimental, prospectivo y transversal; realizado con una muestra de 48 puntos de control en Salcedo – Puno, ubicado en la zona 19 Sur del Sistema de Coordenadas UTM - WGS84. Como técnica para recolectar los datos, se empleó nivelación geométrica y mediciones post proceso cinemático y los instrumentos que se emplearon fueron un nivel de Ingeniero Leica NA532 y un receptor South Galaxy G1. La implementación del modelo mejoró considerablemente la precisión vertical de las mediciones GNSS en comparación con las mediciones previas a la implementación del modelo. Los modelos generados con el algoritmo de regresión polinomial y bosques aleatorios realizan los mejores ajustes para datos desconocidos, conforme a la métrica de error “raíz del error cuadrático medio” se obtuvo que la predicción de ambos algoritmos ajusta a 0.0054326 metros y 0.0135975 metros respectivamente. Para la validación de los modelos, se usó el estadístico de prueba “z” y “t” ambos con una prueba de hipótesis para diferencias de medias con un nivel de significancia del 5%. Finalmente, la implementación de un modelo con algoritmos de machine learning, puede ser una herramienta eficaz para mejorar la precisión vertical en levantamientos topográficos. | es_PE |
dc.format | application/pdf | es_PE |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad Nacional del Altiplano. Repositorio Institucional - UNAP | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | es_PE |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/deed.es | es_PE |
dc.subject | Algoritmos | es_PE |
dc.subject | Geoide | es_PE |
dc.subject | Machine Learning | es_PE |
dc.subject | Precisión vertical | es_PE |
dc.title | Implementación de un modelo geoidal local con algoritmos de machine learning para ajustar la precisión vertical en mediciones GNSS de levantamientos topográficos en Salcedo | es_PE |
dc.type | info:eu-repo/semantics/bachelorThesis | es_PE |
thesis.degree.name | Ingeniero Topógrafo y Agrimensor | es_PE |
thesis.degree.discipline | Ingeniería Topográfica y Agrimensura | es_PE |
thesis.degree.grantor | Universidad Nacional del Altiplano. Facultad de Ciencias Agrarias | es_PE |
dc.type.version | info:eu-repo/semantics/acceptedVersion | es_PE |
dc.publisher.country | PE | es_PE |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#1.00.00 | es_PE |
renati.advisor.orcid | https://orcid.org/0000-0001-5708-0230 | es_PE |
renati.type | https://purl.org/pe-repo/renati/type#tesis | es_PE |
renati.level | https://purl.org/pe-repo/renati/nivel#tituloProfesional | es_PE |
renati.discipline | 732076 | es_PE |
renati.juror | Cornejo Calvo, Raul | es_PE |
renati.juror | Gonzales Gonzales, Victor Andres | es_PE |
renati.juror | Franco Pineda, Angel Abrahan | es_PE |
renati.author.dni | 70103059 | |
renati.author.dni | 48164550 | |
renati.advisor.dni | 01311600 | |