Publicación a texto completo no autorizada por el autor / Implementa una “red neuronal artificial” con arquitectura de retropropagación de error (“Back-Propagation”), que permita clasificar la salinidad en los suelos, usando como datos de entradas imágenes de NDVI, y datos de entrenamiento de conductividad eléctrica del suelo. El área de estudio se encuentra entre las coordenadas UTM por 614775 m E, 627345 m E y por 9277495 m N, 9255475 m N, debido a que los datos de conductividad eléctrica del suelo son obtenidos de los distritos de Lambayeque y Mochumí, localizados en el departamento de Lambayeque de la costa norte del Perú. Se usan 46 imágenes satelitales procedentes de los sensores ETM+ y TM de proyección UTM, zona 17S, y de Datum WGS84. Estas imágenes son analizadas usando el software de procesamiento de imagen ENVI 4.5 y el lenguaje de programación IDL. Se evalúan dos modelos de arquitectura de red neuronal, para el primer modelo se utiliza 1 capa oculta obteniendo un error de entrenamiento de 0.40 y en el segundo modelo se utilizó 2 capas ocultas presentando un error de entrenamiento de 0.27. / Tesis
Identifer | oai:union.ndltd.org:Cybertesis/oai:cybertesis.unmsm.edu.pe:cybertesis/8076 |
Date | January 2014 |
Creators | Badaracco Meza, Rolando Renee |
Contributors | Rojas Acuña, Joel |
Publisher | Universidad Nacional Mayor de San Marcos |
Source Sets | Universidad Nacional Mayor de San Marcos - SISBIB PERU |
Language | Spanish |
Detected Language | Spanish |
Type | info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | Repositorio de Tesis - UNMSM, Universidad Nacional Mayor de San Marcos |
Rights | info:eu-repo/semantics/restrictedAccess |
Page generated in 0.002 seconds