2. Maestría
Permanent URI for this communityhttp://98.81.228.127/handle/20.500.12404/2
Tesis de la Escuela de Posgrado
Browse
6 results
Search Results
Item Optimización de diseños de minas subterráneas usando el algoritmo pseudoflow(Pontificia Universidad Católica del Perú, 2024-09-09) Sorrentino Carboni, Rui Carlos; Gala Soldevilla, Luis FernandoDesde hace décadas, se conocen métodos eficientes para modelar y optimizar diseños de minas, sin embargo, el desarrollo de estas técnicas ha sido enfocada a la minería a tajo abierto, debido a varios factores como su alta productividad, sumadas a la complejidad conceptual que presentan los diseños de minas subterráneas, no obstante, dicho desarrollo tecnológico, de alguna manera ha beneficiado la minería subterránea, dado a que, muchas de estas tecnologías conocidas pueden ser potencialmente adaptadas. La minería subterránea viene experimentando avances tecnológicos importantes en varios de sus procesos, como es el caso del área de planeamiento de minas, que ya cuenta con herramientas de optimización de formas minables aceptadas por la industria y ampliamente usadas en los estudios de ingeniería y estimación de recursos de minerales o reservas de mena. Recientemente, un nuevo algoritmo denominado pseudoflow, desarrollado para optimizar flujos de red, ha dado nueva vida al exitoso método de optimización de diseños de tajos abiertos Lerchs & Grossmann, reproduciendo los mismos resultados, en mucho menos tiempo. Sus características matemáticas permiten con que el método sea aplicado a cualquier problema de flujos máximos a cortes mínimos, sin importar su dimensión o forma. Este trabajo de investigación prueba la hipótesis, a través del caso de estudio desarrollado en tres estructuras mineralizadas específicas de la zona profunda de la mina Animon, que el algoritmo pseudoflow, sumado a otras herramientas usadas en los procesos de planeamiento de minas, ha sido capaz de optimizar los diseños mineros subterráneos, incrementando el valor del proyecto en un 25% y evitando que la empresa minera incurra en gastos innecesarios por operar en zonas que no son justificadas económicamente. Palabras clave: Minería subterránea, planeamiento de mina, optimización de diseños mineros, algoritmo pseudoflow, reservas de mena, ley de corte optima, código JORC.Item Caracterización del canal móvil para aplicaciones V2V en el marco de 5G-NR(Pontificia Universidad Católica del Perú, 2024-03-05) Tuesta Castro, Anderson; Marcano Aviles, Diógenes ManuelLas comunicaciones entre vehículos se perfilan a ser ampliamente utilizadas en el futuro; es por ello que en el presente trabajo se estudió y caracterizó de forma teórica y mediante simulaciones el canal móvil para aplicaciones V2V. Para lograrlo, se empleó un modelo de canal multitrayecto variante en el tiempo en el cual las amplitudes de cada uno de los trayectos existentes fueron representadas con la distribución de probabilidad de Weibull y su respectivo efecto doppler asociado; asimismo, se modeló la no estacionariedad en el dominio del tiempo empleando un proceso de prendido y apagado de cada trayecto en un determinado instante de tiempo usando la distribución de probabilidad uniforme y se garantizó la correlación de cada uno de ellos empelando un algoritmo publicado en la literatura existente. Con todo esto, se implementó el modelo usando Matlab y se validó su correcto funcionamiento realizando simulaciones con datos reales obtenidos de mediciones. Finalmente, se realizó el análisis de la numerología para cada escenario simulado, teniendo en cuenta el marco de 5G-NR.Item Aprendizaje estadístico supervisado con máquina de soporte vectorial(Pontificia Universidad Católica del Perú, 2024-02-26) Falcón Cisneros, Sergio Daniel; Véliz Capuñay, Carlos NilbertoActualmente las organizaciones recolectan datos en grandes volúmenes y de fuentes muy variadas. Para dar sentido y convertir los datos en información útil es necesario utilizar técnicas que permitan encontrar y entender las relaciones ocultas en los datos. Generalmente, la relación que nos interesa estudiar es cómo predecir un evento utilizando un conjunto de variables. Sin embargo, muchas veces la relación entre los datos es muy compleja y no puede ser analizada adecuadamente usando las técnicas más conocidas, dado que éstas suelen tener supuestos que no necesariamente se cumplen. Por ello, es importante conocer técnicas de análisis más complejas y flexibles. Esta tesis busca ser un instrumento de ayuda en el aprendizaje y uso de nuevas técnicas para estudiar los datos, lo cual es relevante sobre todo en el medio local en el que este tema es poco conocido. Con este objetivo, presenta una revisión introductoria de la teoría del aprendizaje estadístico, la cual provee del marco teórico para que distintos métodos utilicen los datos para aprender, y usando este conocimiento puedan hacer predicciones sobre datos nuevos o diferentes. Luego se centra en un estudio exhaustivo del método de aprendizaje de Máquinas de Soporte Vectorial (SVM por sus siglas en inglés), introduciendo y aplicando las funciones Kernel. Este método se puede entender como una representación de los datos como puntos en el espacio, asignados de tal forma que exista una brecha grande que separe a los elementos diferentes. Finalmente se pone en práctica la teoría estudiada aplicando el método SVM a datos de clientes de una entidad financiera. Esta entidad financiera usa predominantemente técnicas de aprendizaje estadístico simples y con varios supuestos; particularmente usa una de estas técnicas en un modelo que predice la propensión a la compra y persistencia del producto Seguro de Protección de Tarjetas. Por ello, la presente tesis se centra en aplicar el método SVM para construir una alternativa a este modelo.Item Implementación de un modelo algorítmico para la estimación del nivel de concentración de contaminante PM2,5 en zonas urbana(Pontificia Universidad Católica del Perú, 2020-10-29) Vargas Campos, Irvin Rosendo; Villanueva Talavera, Edwin RafaelSegún la Organización Mundial de la Salud (OMS), la mala calidad del aire provoca 1 de cada 10 muertes globalmente, 7 millones de personas fallecen al año debido a enfermedades causadas por la contaminación, además la mala calidad del aire es un factor contribuyente al cambio climático, específicamente al calentamiento global. En Perú, se debe cumplir los Estándares de Calidad Ambiental (ECAs) establecidos por el Ministerio del Ambiente y supervisados por el Organismo de Evaluación y Fiscalización Ambiental (OEFA); no obstante, cumplir esta tarea se ve dificultada por la baja cantidad de estaciones de medición. Debido a ello, el presente proyecto propone estudiar diferentes estrategias de ingeniería de características y modelos de aprendizaje de máquina que puedan estimar el nivel de contaminación de aire en zonas urbanas no censadas. Para ello, se usó datos de contaminantes y variables meteorológicas recolectados por una red de monitoreo en la ciudad de Beijing, China. Se obtuvo como resultado que el modelo Linear Regression entrenado con los datasets de contaminante PM2;5 de las 5 estaciones más cercanas al punto de predicción y normalizados mediante una adaptación de Inverse Distance Weighting presentó mejor capacidad de estimación. Por otro lado, los modelos LightGBM y XGBoost presentaron resultados un poco inferiores, pero eran más robustos, pues su capacidad de estimación se mantenía estable a pesar de la modificación de la cantidad de estaciones usadas para el entrenamiento de los modelos. Como trabajo futuro, se pretende usar y adaptar los modelos estudiados en esta investigación en las zonas urbanas de Lima, Perú.Item Aplicación de redes bayesianas para modelamiento y predicción de calidad del aire en áreas urbana(Pontificia Universidad Católica del Perú, 2020-10-27) Cusi Chirapo, Hernán; Villanueva Talavera, Edwin RafaelLa contaminación del aire es hoy en día uno de los mayores problemas en las grandes ciudades. Entender la dinámica de los contaminantes y determinar la calidad de aire en áreas no monitorizadas ha sido el objetivo de varias investigaciones recientes dada su relevancia en la creación de políticas de mitigación. Los enfoques propuestos se dividen principalmente en aquellos que intentan modelar la dinámica de emisión/difusión y en aquellos que intentan predecir la concentración de contaminantes en el espacio y/o tiempo. Comúnmente estos enfoques tienen fines diferentes, los primeros se enfocan en entender los mecanismos que expliquen la distribución histórica de contaminantes, mientras que los segundos se enfocan en crear modelos predictivos, sin importar si dichos modelos representan las causalidades de los procesos subyacentes. En la presente investigación se propone la aplicación de modelos de redes Bayesianas, las cuales pueden tanto capturar posibles causalidades del proceso de formación y difusión de contaminación, así como servir de modelos algorítmicos para inferir en el espacio y en el tiempo los parámetros de calidad del aire. Se aplicó la técnica de bootstraping junto con técnicas de aprendizaje estructural para aprender diversos modelos bayesianos e integrarlos en un modelo robusto en el cual se puede discriminar relaciones fuertes entre las variables de calidad del aire de posibles relaciones espurias. En un primer experimento se creó modelos para predecir un determinado tipo de contaminante en un punto en el espacio, dada las mediciones de una red de estaciones del mismo tipo de contaminante. En un segundo experimento se adicionó varios tipos de contaminantes para hacer dicha predicción. En un tercer experimento se aprendió modelos adicionando dos variables metereológicas comúnmente usadas para el modelado de calidad del aire: velocidad y dirección del viento. En un cuarto experimento se aprendió modelos suministrando conocimiento a priori aprendido en el primer experimento a fin de reducir costo computacional de aprendizaje e inferencia. En total, se aprendieron 504 modelos, identificándose 6 modelos en el ultimo experimento con capacidades predictivas significativas a costos computacionales razonables. Como ventaja del modelado se pudo identificar las distancias de influencia de la red de estaciones que incide directamente en la predicción espacial, ayudando así a entender la dinámica de difusión de los diferentes tipos de contaminantes.Item Sistema de medición de la fluidez del habla en personas con tartamudez utilizando procesamiento de voz(Pontificia Universidad Católica del Perú, 2020-10-20) Porras Ramírez, Diego José; Crisóstomo Romero, Pedro MoisésEn esta época, se han desarrollado diversas aplicaciones y sistemas que permiten mejorar la vida de las personas que han nacido u adquirido algún tipo de discapacidad con el paso de los años. En el caso de las personas cuyas discapacidades están relacionadas a la incapacidad de hablar fluidamente, las aplicaciones de entrenamiento que actualmente existen buscan hacer que el usuario practique ciertas lecturas y situaciones reales a fin de evaluar el nivel de fluidez mediante la práctica constante. Sin embargo, no todas ellas proporcionan información concisa sobre la ubicación de distorsiones y disfluencias en las cuales el tartamudo debe entrenarse. El presente trabajo comprende el diseño de un sistema de medición de la fluidez del habla mediante procesamiento de voz que, aplicando diversos algoritmos, permite a un usuario practicar, retroalimentar e identificar vocales críticas en las cuales se debe prestar mayor atención al momento de hablar. Finalmente, se analizan resultados cuantitativos provenientes de los usuarios para poder clasificar el nivel de gravedad de su tartamudez.