Please use this identifier to cite or link to this item: http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/3019
Full metadata record
DC FieldValueLanguage
dc.contributorMaximiliano Guzmán Fernándezes_ES
dc.contributor.advisorHéctor Antonio Duran Muñozes_ES
dc.contributor.advisorClaudia Sifuentes Gallardoes_ES
dc.contributor.advisorJosé Ismael de la Rosa Vargases_ES
dc.contributor.other224193es_ES
dc.coverage.spatialGlobales_ES
dc.creatorGuzmán Fernández, Maximiliano-
dc.date.accessioned2022-08-15T15:01:02Z-
dc.date.available2022-08-15T15:01:02Z-
dc.date.issued2022-08-08-
dc.identifierinfo:eu-repo/semantics/publishedVersiones_ES
dc.identifier.urihttp://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/3019-
dc.identifier.urihttp://dx.doi.org/10.48779/ricaxcan-129-
dc.descriptionThe monitoring of surface water quality is insufficient in Mexico due to the limited water monitoring stations. The main monitoring parameter to evaluate surface water quality is the biochemical oxygen demand. This parameter estimates the biodegradable organic matter present in the water. Concentrations above 30 mg/l indicates a high level of contamination by domestic and industrial waste. Therefore, the aim of this work to provide a reference to the conventional process of determining biochemical oxygen demand using machine learning and an electronic measuring device with low-cost sensors. The database used was collected by the National Water Commission (CONAGUA). Pearson’s correlation and Forward Selection techniques were applied to identify the parameters with the most important contribution to prediction of biochemical oxygen demand. Three groups were formed and used as input to four machine learning algorithms. Random forest algorithm obtained the best performance. Group A, B and C of parameters obtained a coefficient of determination of 0.76, 0.75 and 0.46 respectively. This allows choosing an adequate group of parameters that can be determined with the chemical analysis instruments available in the study area.es_ES
dc.description.abstractEl monitoreo de la calidad del agua superficial es insuficiente en México debido a las limitadas estaciones de monitoreo del agua. El principal parámetro de monitoreo para evaluar la calidad del agua superficial es la demanda bioquímica de oxígeno. Este parámetro estima la materia orgánica biodegradable presente en el agua. Concentraciones superiores a 30 mg/l indican un alto nivel de contaminación por residuos domésticos e industriales. Por lo tanto, el objetivo de este trabajo es proporcionar una referencia al proceso convencional de determinación de la demanda bioquímica de oxígeno utilizando el aprendizaje máquina y un dispositivo electrónico de medición con sensores de bajo costo. La base de datos utilizada fue recopilada por la Comisión Nacional del Agua (CONAGUA). Se aplicaron las técnicas de correlación de Pearson y Forward Selection para identificar los parámetros con mayor contribución a la predicción de la demanda bioquímica de oxígeno. Se formaron tres grupos y se utilizaron como entrada a cuatro algoritmos de aprendizaje máquina. El algoritmo Random Forest obtuvo el mejor rendimiento. Los grupos A, B y C de parámetros obtuvieron un coeficiente de determinación de 0.76, 0.75 y 0.46 respectivamente. Esto permite elegir un grupo adecuado de parámetros que se pueden determinar con los instrumentos de análisis químicos disponibles en la zona de estudio.es_ES
dc.language.isospaes_ES
dc.publisherUniversidad Autónoma de Zacatecases_ES
dc.relation.urigeneralPublices_ES
dc.rightsCC0 1.0 Universal*
dc.rights.urihttp://creativecommons.org/publicdomain/zero/1.0/*
dc.subject.classificationINGENIERIA Y TECNOLOGIA [7]es_ES
dc.subject.otheraprendizaje máquinaes_ES
dc.subject.otherDemanda bioquímica de oxígenoes_ES
dc.titlePredicción de la demanda bioquímica de oxígeno en aguas superficiales mexicanas usando aprendizaje máquinaes_ES
dc.title.alternativePrediction of biochemical oxygen demand in mexican surface waters using machine learninges_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
Appears in Collections:*Tesis*-- M. en Ciencias del Proc. de la Info.

Files in This Item:
File Description SizeFormat 
TESIS_MCPI_MaximilianoGuzmánFernández.pdf7,8 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons