Tesis 2021

URI permanente para esta colección

Examinar

Envíos recientes

Mostrando 1 - 2 de 2
  • Ítem
    EVALUACIÓN AMBIENTAL EN EL RIO HUAYTARA: ANÁLISIS DE LOS PROCESOS DE CONTAMINACIÓN Y UBICACIÓN DE ZONAS VULNERABLES - HUAYTARA 2019
    (Universidad Nacional de Huancavelica, 2021-10-26) Palomino Pastrana, Pedro Antonio; Gave Chagua, José Luis
    El trabajo de investigación denominado: Evaluación ambiental en el rio Huaytará: análisis de los procesos de contaminación y ubicación de zonas vulnerables - Huaytará 2019, se realizó con el objetivo de determinar la influencia del efecto de la evaluación ambiental del río Huaytará en el análisis de los procesos de contaminación y ubicación de las zonas vulnerables de su zona de influencia. Para la evaluación hídrica de éste rio fue necesario la realización de un análisis físico y químico, para luego compararlas con los límites máximos permisibles de acuerdo al Decreto Supremo Nº 004-2017-MINAM. Se determinaron diez puntos de muestreo para los análisis físicos químicos; los mismos que fueron asignados en forma no probabilística y dirigida, puesto que, es de interés de la investigación hallar los puntos vulnerables de contaminación del rio Huaytará. El análisis in situ se realizó con el equipo portátil Hach, que es un espectrofotómetro de alta calidad modelo DR 1900 y un multiparámetro marca Hanna HI 8424. Los análisis químicos de metales pesados se realizaron en el laboratorio RCJ LABS UNIVERSAL por el método de FIRE ASSAY, espectrofotometría IR, absorción atómica, conductividad, volumetría y gravimetría. Los resultados muestran que los parámetros físicos y químicos en algunos puntos de muestreo se encuentran dentro de los límites permisibles de acuerdo a la normatividad emitida por el MINAM, como órgano regulador competente en lo que concierne a un recurso hídrico. Las evidencias muestran que los análisis de cobre en el punto de muestreo M3 superan los límites máximos permisibles y en el punto M7, se encuentra en el límite máximo permisible. En el caso de los análisis de plomo en los puntos de muestreo M2, M6, M7 y M8, también se encuentran en el límite máximo permisible. En los análisis de cadmio, podemos observar que en todos los puntos de muestreo superan los límites máximos permisibles. De la misma manera; en el punto de muestreo M1 el análisis físico muestra la existencia de aceites y grasas que exceden los LMP respecto a la preservación de la vida acuática. 6 Como resultado del estudio se pudo determinar estos puntos señalados anteriormente como lugares vulnerables y zonas de contaminación, por lo que ponemos en alerta de vigilancia este importante recurso hídrico. Palabras clave: Evaluación ambiental, proceso de contaminación y zonas vulnerables.
  • Ítem
    PATRONES DE COMPORTAMIENTO DE DATOS METEOROLÓGICOS MEDIANTE TÉCNICAS DE DATA MINING EN HUANCAVELICA 2018 – 2019
    (Universidad Nacional de Huancavelica, 2021-10-26) Huere Peña, Jorge Luis; Gave Chagua, José Luis
    Una de las fases del descubrimiento de conocimiento de bases de datos (KDD), comprende las técnicas de Data Mining o minería de datos, en este marco la presente investigación tuvo como objetivo determinar patrones de comportamiento de datos obtenidos mediante éstas técnicas, de las variables meteorológicas en la ciudad de Huancavelica como son: la temperatura ambiental, presión atmosférica, humedad atmosférica, velocidad del viento, radiación solar, radiación ultra violeta y precipitación pluvial durante el periodo 2018 y 2019, utilizando para ello una estación meteorológica automatizada de la compañía Weather Link, Marca DAVIS, Modelo Vantage Pro y una consola para el almacenamiento de datos Vantage Pro en texto plano y que posteriormente fueron procesados, descritos y analizados usando el software SPSS Statistical y WRPLOT en el caso particular de la variable dirección del viento y para la determinación de comportamientos y patrones se usó la metodología CRISP-DM mediante el Software SPSS Modeler que en la ruta de sus procedimientos, incluye las etapas de esta metodología, los resultados obtenidos fueron clúster de las variables meteorológicas con algoritmos de aprendizaje no supervisado y predicciones de la variable precipitación pluvial con algoritmos de aprendizaje supervisados obteniendo 84,9% de probabilidades de éxito en el pronóstico y en el caso de los clúster grupos de cuatro y diez significativamente diferentes. Palabras claves: Variables meteorológicas, patrones meteorológicos, comportamiento meteorológico, Data Mining.