Predicting the particle size distribution of eroded sediment using artificial neural networks.
| dc.contributor.advisor | Bonilla Meléndez, Carlos Alberto | |
| dc.contributor.author | Lagos Avid, María Paz | |
| dc.contributor.other | Pontificia Universidad Católica de Chile. Escuela de Ingeniería | |
| dc.date.accessioned | 2019-06-25T18:38:31Z | |
| dc.date.available | 2019-06-25T18:38:31Z | |
| dc.date.issued | 2016 | |
| dc.description | Tesis (Master of Science in Engineering)--Pontificia Universidad Católica de Chile, 2016 | |
| dc.description.abstract | La erosión hídrica provoca la degradación del suelo y procesos de contaminación difusa. Los contaminantes son principalmente transportados sobre las superficies de partículas finas del suelo y del sedimento. Se han desarrollado varios modelos de pérdida de suelo y ecuaciones empíricas para la estimación de la distribución del tamaño del sedimento que abandona un terreno, incluyendo modelos en base física y ecuaciones empíricas. Por lo general los modelos de base física requieren una gran cantidad de datos, a veces superando la cantidad disponible en el área modelada. Por el contrario, las ecuaciones empíricas no siempre predicen la composición de los sedimentos asociados con eventos individuales y pueden requerir datos que no están disponibles. Por lo tanto, el objetivo de este estudio fue desarrollar un modelo para predecir la distribución del tamaño de partícula (DTP) del suelo erosionado. Se utilizaron 41 eventos de erosión provenientes de 21 suelos. Estos datos fueron compilados a partir de estudios previos. Se utilizó análisis de correlación y regresión múltiple para identificar las principales variables que controlan la DTP del sedimento. Estas variables fueron la distribución del tamaño de partícula en la matriz del suelo, la condición inicial de humedad del suelo, la erodibilidad del suelo y la geometría de la ladera. Con estas variables se calibró una red neural artificial utilizando datos de 29 eventos (r2 = 0,98, 0,97 y 0,86, para arena, limo y arcilla en el sedimento, respectivamente) y luego se validaron y probaron en 12 eventos (r2 = 0,74, 0,85 y 0,75, para arena, limo y arcilla en el sedimento, respectivamente). La red neural artificial se comparó con tres modelos empíricos. La red presentó un mejor desempeño en la predicción de DTP de sedimentos y la diferenciación de eventos de lluvia-escorrentía en el mismo suelo. Además de la calidad de las estimaciones de distribución de partículas, este modelo requiere un pequeño número de variables fácilmente obtenibles, proporcionando una rutina conveniente para predecir la DTP en sedimentos erosionados en otros modelos de transporte de contaminantes. | |
| dc.format.extent | x, 34 páginas | |
| dc.identifier.doi | 10.7764/tesisUC/ING/23037 | |
| dc.identifier.uri | https://doi.org/10.7764/tesisUC/ING/23037 | |
| dc.identifier.uri | https://repositorio.uc.cl/handle/11534/23037 | |
| dc.language.iso | en | |
| dc.nota.acceso | Contenido completo | |
| dc.rights | acceso abierto | |
| dc.subject.ddc | 620 | |
| dc.subject.dewey | Ingeniería | es_ES |
| dc.subject.other | Erosión de suelos - Modelos matemáticos | es_ES |
| dc.subject.other | Redes neurales (Ciencia de la computación) | es_ES |
| dc.subject.other | Sedimentación | es_ES |
| dc.title | Predicting the particle size distribution of eroded sediment using artificial neural networks. | es_ES |
| dc.type | tesis de maestría | |
| sipa.codpersvinculados | 80465 |