Show simple item record

dc.contributor.advisorFlores Flores, Victor Ciprianoes_PE
dc.contributor.authorMamani Cutipa, Ronie Davides_PE
dc.contributor.authorRoman Quispe, Yefrin Rosmeles_PE
dc.date.accessioned2023-07-05T17:19:19Z
dc.date.available2023-07-05T17:19:19Z
dc.date.issued2023-07-07
dc.identifier.urihttps://repositorio.unap.edu.pe/handle/20.500.14082/20161
dc.description.abstractEl 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.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad Nacional del Altiplano. Repositorio Institucional - UNAPes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/deed.eses_PE
dc.subjectAlgoritmoses_PE
dc.subjectGeoidees_PE
dc.subjectMachine Learninges_PE
dc.subjectPrecisión verticales_PE
dc.titleImplementación de un modelo geoidal local con algoritmos de machine learning para ajustar la precisión vertical en mediciones GNSS de levantamientos topográficos en Salcedoes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.nameIngeniero Topógrafo y Agrimensores_PE
thesis.degree.disciplineIngeniería Topográfica y Agrimensuraes_PE
thesis.degree.grantorUniversidad Nacional del Altiplano. Facultad de Ciencias Agrariases_PE
dc.type.versioninfo:eu-repo/semantics/acceptedVersiones_PE
dc.publisher.countryPEes_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#1.00.00es_PE
renati.advisor.orcidhttps://orcid.org/0000-0001-5708-0230es_PE
renati.typehttps://purl.org/pe-repo/renati/type#tesises_PE
renati.levelhttps://purl.org/pe-repo/renati/nivel#tituloProfesionales_PE
renati.discipline732076es_PE
renati.jurorCornejo Calvo, Raules_PE
renati.jurorGonzales Gonzales, Victor Andreses_PE
renati.jurorFranco Pineda, Angel Abrahanes_PE
renati.author.dni70103059
renati.author.dni48164550
renati.advisor.dni01311600


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess