Modelo hidrogeológico basado en el método numérico de profundización, aplicando la técnica Back Propagation Neural Network para la evaluación de grandes filtraciones de agua en el interior de una mina subterranea del Perú
![Thumbnail](/bitstream/handle/10.18687/20210101_586/FP586.pdf.jpg?sequence=6&isAllowed=y)
View/ Open
Date
2021-07Author
Castro-Francia, Zulema
Jeri-Blas, Pier
Pehovaz, Humberto
Raymundo-Ibañez, Carlos
Metadata
Show full item recordAbstract
El objetivo de esta investigación es proponer un modelo conceptual basado en las redes neuronales (ANN), la cual radica en su capacidad para aproximarse a cualquier función medible de Borel, con el grado de precisión que se desee, tal como indica Hornik et al. (1989). Las ANN se hicieron muy útiles en predicciones, como series temporales; ya que su capacidad de aprendizaje, dentro de una gran cantidad de datos; es potencialmente ruidoso. Partiendo de la recopilación de información de campo mediante perforaciones diamantinas (para la caracterización del macizo rocoso) y el uso de mapas geológicos, fotografías aéreas e imágenes satelitales como medio de estudio de las aguas subterráneas. Todo ello, con el fin de determinar los principales parámetros de estudio que servirán para el diseño del modelo hidrogeológico que se desea proponer. Así mismo, se maneja una herramienta de control de calidad que se encargara de realizar los respectivos análisis de las principales fuentes de error detectadas. No obstante, requiere el establecimiento de algunas normas para evaluar la calidad de los datos, incluyendo las sucesivas manipulaciones realizadas en los datos brutos adquiridos por los sensores. Finalmente, se constituye el modelo hidrogeológico que tiene como finalidad contribuir junto al modelo geomecánico para el diseño de minado y determinar posibles casos de riesgos que son frecuentes en interior de una mina subterránea a causa del agua del subsuelo.