Predicción de agentes patológicos mediante parámetros de calidad del agua con la aplicación de la inteligencia artificial en la cuenca hidrográfica del río Chumbao, provincia de Andahuaylas, región Apurímac – 2024
No Thumbnail Available
Date
2026-01
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Tecnológica de los Andes
Abstract
La presente investigación “Predicción de agentes patológicos mediante parámetros de calidad del agua con la aplicación de la inteligencia artificial en la cuenca hidrográfica del río Chumbao, provincia de Andahuaylas, región Apurímac – 2024” tuvo como objetivo determinar la predicción de los agentes patológicos mediante parámetros de la calidad del agua con la aplicación de la Inteligencia Artificial en la cuenca hidrográfica del río Chumbao, provincia de Andahuaylas, región Apurímac – 2024. La metodología utilizada fue tipo aplicada, enfoque cuantitativo, diseño no experimental. La población fueron los registros de monitoreo de calidad del agua existentes, tipo demuestra no probabilística – convencional con respecto a parámetros microbiológicos y parámetros físico-químicos; y muestreo por conveniencia. Los resultados obtenidos fueron según el coeficiente de determinación 𝑅2 fue de 76,92%, lo que indica que, con un 95% de seguridad, la clasificación de los resultados tiene una aproximación mayor al 50%. Esto permitió aceptar la hipótesis alterna, sugiriendo que el uso de laboratorio e inteligencia artificial en los parámetros de calidad del agua muestra un grado de valoración 𝑅2>50% en la determinación de agentes patológicos, lo que indica que existe una correlación positiva moderada y significativa donde las redes neuronales pueden predecir coliformes totales con seguridad del 95%. Se concluye que, el uso de laboratorio para el análisis de parámetros de calidad del agua e inteligencia artificial en los parámetros de calidad del agua, con un 95%, existe correlación positiva moderada esto significa que, la aplicación de inteligencia artificial en las redes neuronales para predecir agentes patológicos es viable.
Description
Keywords
Minería de datos, Aprendizaje automático, Predicción, Árbol de decisión, Análisis de regresión lineal