Maestría en Matemática Aplicada

Permanent URI for this collectionhttp://repositorio.uta.edu.ec/handle/123456789/32203

Browse

Subject: search.filters.subject.PREDICCIÓN

Search Results

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    Diseño de un modelo para el control del consumo de filtros y lubricantes del equipo caminero y maquinaria pesada del GAD del Cantón La Maná mediante algoritmos de inteligencia artificial
    (Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Maestría en Matemática Aplicada, 2023) Ortiz Reyes, Juan Carlos; Loza Aguirre, Edison Fernando
    El objetivo principal de este estudio fue dise˜nar un modelo matemático utilizando algoritmos de inteligencia artificial para predecir el consumo de lubricantes en la maquinaria pesada del GAD del Cantón La Maná. Para ello se recopilo información de diferentes tipos de algoritmos de inteligencia artificial que podrían ser útiles para la predicción de consumo, y se eligió la red neuronal artificial no lineal autorregresiva como la mejor opción. La información utilizada en este estudio fue obtenida de los registros diarios de la Unidad de Transporte y Maquinaria del GAD Municipal La Maná en los años 2018 y 2019, donde se registraron los kilometrajes y horómetros diarios al inicio y al final de la jornada laboral. La precisión del modelo se evaluó mediante el cálculo del error medio cuadr´atico (MSE), que mide la diferencia cuadrática promedio entre los valores predichos y los valores reales. Los resultados mostraron que la red neuronal que utiliza el algoritmo Retropropagación Levenberg-Marquardt con la arquitectura 128, 64 en las capas ocultas de la red neuronal fue el mejor modelo, con un MSE de 0.000301. En resumen, se concluye que el modelo de red neuronal no lineal autorregresiva puede ser una herramienta ´util para predecir el kilometraje y hor´ometro de las maquinaria pesada, y por ende estimar el consumo de lubricantes, lo que podría permitir una mejor planificación y optimizaci´on del uso de lubricantes.
  • No Thumbnail Available
    Item
    Modelo de predicción del resultado en exámenes de acceso a la educación superior para estudiantes que se preparan en centros de capacitación preuniversitaria usando algoritmos de Machine Learning.
    (Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Maestría en Matemática Aplicada, 2023) Coba Gavilánez, Christian Danilo; Benalcázar Palacios, Marco Enrique
    La nota de admisión para el ingreso a la educación superior define si un estudiante ingresa o no la carrera de su interés. En Ecuador se ofertan cupos para el 56% de los postulantes a tercer nivel [1]. Esto hace que los estudiantes que optan por un cupo se preparen adicionalmente en un programa preuniversitario. Los cursos de preparación preuniversitaria tienen la misión de hacer que un estudiante obtenga una buena nota y pueda postular para tener una mayor probabilidad de ingreso a la universidad. Usualmente un programa preuniversitario consta de varios procesos académicos y evaluaciones continuas. En este trabajo se propone tener una predicción de la nota que sacará un estudiante en su examen de ingreso a la universidad antes de completar el programa preuniversitario. Adicionalmente se desea conocer cuáles son los factores de mayor relevancia que hacen que esta nota varíe. En los resultados se puede ver que la filial Ambato, un curso de 10 meses y los simulacros de exámenes son factores que tienen un impacto directo en la nota final de admisión. Los modelos de predicción implementados en este trabajo se basan en el uso de regresión lineal y redes neuronales artificiales (RNA). Los resultados de predicción de ambos modelos son similares, pero la ventaja del modelo de regresión lineal es que se puede interpretar cada una de las variables predictoras. Los datos y las variables de interés se obtuvieron del centro de estudios Quality Up, con información de procesos de admisión de 300 estudiantes pertenecientes al ciclo sierra 2022.
  • No Thumbnail Available
    Item
    Modelos estocásticos para el estudio y predicción de índices de precios de viviendas en el Ecuador
    (Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Maestría en Matemática Aplicada, 2022) Viscaíno Cuzco, Mayra Alexandra; Ponsot Balaguer, Ernesto Antonio
    The construction industry has a dynamic influence on the economy. In this field, it is known that construction projects carry a risk associated with fluctuations in the prices of construction materials. Estimating future values of construction price indices is important because contractors and builders use these values for budgeting. The aim of this research was to design stochastic models to explain and predict the construction price indices in single-family homes (IPCOU) and multi-family homes (IPCOM) in Ecuador. The design of univariate and multivariate models that consider exogenous variables was contemplated. Nine and eight predictors were found to be statistically significant in predicting the IPCOU and IPCOM, respectively. A set of fourteen potential models were subjected to training and validation, applying the cross-validation technique for time series. In the testing stage, it resulted that the Autoregressive Integrated Moving Average model known as ARIMA(1,1,2) and the multiple regression model to predict IPCOU values, and the ARIMA(2,1,2) model to predict the IPCOM, have good predictive capacity for the forecast horizon contemplated in this study. IPCOU and IPCOM prediction intervals were generated up to the year 2023, with a confidence level of 95%.