Andere Kunden interessierten sich auch für
![Predicción del cáncer de mama mediante varios métodos de aprendizaje automático]( "Predicción del cáncer de mama mediante varios métodos de aprendizaje automático")
Predicción del cáncer de mama mediante varios métodos de aprendizaje automático39,99 €![Un enfoque de la investigación del habla]( "Un enfoque de la investigación del habla")
Un enfoque de la investigación del habla46,99 €![Predicción de brotes de COVID-19 mediante modelos de aprendizaje supervisado]( "Predicción de brotes de COVID-19 mediante modelos de aprendizaje supervisado")
Predicción de brotes de COVID-19 mediante modelos de aprendizaje supervisado29,99 €![Modelo de predicción de enfermedades mediante el algoritmo de árbol de decisión]( "Modelo de predicción de enfermedades mediante el algoritmo de árbol de decisión")
Modelo de predicción de enfermedades mediante el algoritmo de árbol de decisión39,99 €![Un enfoque parametrizado para hacer frente a los spammers de reseñas]( "Un enfoque parametrizado para hacer frente a los spammers de reseñas")
Un enfoque parametrizado para hacer frente a los spammers de reseñas39,99 €![Un enfoque novedoso para la agrupación de documentos]( "Un enfoque novedoso para la agrupación de documentos")
Un enfoque novedoso para la agrupación de documentos29,99 €![Un enfoque sencillo para la práctica en Big Data Analytics para IA]( "Un enfoque sencillo para la práctica en Big Data Analytics para IA")
Un enfoque sencillo para la práctica en Big Data Analytics para IA32,99 €
Este trabajo presenta una propuesta de monitorización y previsión del nivel del río Amazonas en la ciudad de Santarém, utilizando un enfoque ANFIS y datos históricos del ciclo fluviométrico anual. Los datos fueron recolectados en las ciudades de Santarém, Manaus e Itaituba, y fueron filtrados al período de 01/03/03 a 28/02/17. Los datos fueron analizados con el objetivo de establecer valores umbrales de alerta de situaciones emergentes para el monitoreo del nivel del río, comprendiendo los momentos de los volúmenes de agua: sequía, sequía-normal, normal, normal-lleno e inundación. Las series históricas pueden considerarse fiables, ya que es posible identificar claramente los ciclos hidrológicos anuales de los ríos. Las soluciones predictivas que utilizan técnicas estadísticas y computacionales son capaces de automatizar dichas previsiones con tasas relativamente bajas de error en el nivel de los ríos. Teniendo esto en cuenta, se considera que la solución propuesta puede utilizarse para orientar acciones que minimicen las perturbaciones causadas a la ciudad de Santarém en situaciones extremas de los volúmenes de agua del río Amazonas. El enfoque propuesto también se ha mostrado aplicable en otros entornos con ciclos hidrológicos y, por lo tanto, con posible aplicabilidad global.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.