Toribio Marcos Reyes Rodríguez
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Toribio Marcos Reyes Rodríguez has a total of 1 co-authors. Here are the top co-authors by number of shared publications:
- Maximiliano Asís-López
Universidad Nacional Santiago Antúnez de Mayolo - Huaraz - Perú
2 shared publications
Latest Publications
- Open Access
- 30 June 2022
- Published by Universidad Nacional Santiago Antúnez de Mayolo in APORTE SANTIAGUINO
- p. ág. 57-71
Análisis de la red hídrica de la subcuenca Yanayacu, Ancash-Perú, 2022
El trabajo de investigación se realizó en la subcuenca del río Yanayacu (Ancash – Perú), se tuvo como objetivos: realizar la caracterización de la subcuenca del río Yanayacu y la contrastación de las ecuaciones empíricas existentes en la literatura científica relacionadas a la red hídrica. Se emplearon como materiales las cartas digitales 20i Recuay y el software Arcgis 10.8. Las leyes de Horton del número de cauces, de la longitud media de los cauces para un orden dado y la ley de Melton se confirmaron para la subcuenca del río Yanayacu. También, se obtuvo una ecuación exponencial para la predicción del número de cauces total en función del orden del cauce y una ecuación potencial para la predicción de la longitud total de cauces en función del número de cauces total de un orden determinado. Palabras clave: red hídrica; Horton; Melton; número de cauces; orden de cauces
- 30 June 2022
- Published by Universidad Nacional Santiago Antúnez de Mayolo in APORTE SANTIAGUINO
- p. ág. 57-71
Open AccessAnálisis de la red hídrica de la subcuenca Yanayacu, Ancash-Perú, 2022
El trabajo de investigación se realizó en la subcuenca del río Yanayacu (Ancash – Perú), se tuvo como objetivos: realizar la caracterización de la subcuenca del río Yanayacu y la contrastación de las ecuaciones empíricas existentes en la literatura científica relacionadas a la red hídrica. Se emplearon como materiales las cartas digitales 20i Recuay y el software Arcgis 10.8. Las leyes de Horton del número de cauces, de la longitud media de los cauces para un orden dado y la ley de Melton se confirmaron para la subcuenca del río Yanayacu. También, se obtuvo una ecuación exponencial para la predicción del número de cauces total en función del orden del cauce y una ecuación potencial para la predicción de la longitud total de cauces en función del número de cauces total de un orden determinado. Palabras clave: red hídrica; Horton; Melton; número de cauces; orden de cauces
- Open Access
- 22 December 2020
- Published by Universidad Nacional Santiago Antúnez de Mayolo in APORTE SANTIAGUINO
- p. ág. 92-106
Modelos de pronóstico de caudales mensuales en el río Shullcas (Huancayo - Perú) con redes neuronales artificiales
El recurso hídrico en la subcuenca del río Shullcas es escaso en cantidad, calidad y oportunidad; el abastecimiento de agua potable para los pobladores de la ciudad de Huancayo se realiza con las aguas de este río y para su gestión es necesario realizar estimaciones de la oferta hídrica futura empleando diferentes métodos de pronóstico. El trabajo de investigación consistió en la estimación de caudales mensuales con modelos de redes neuronales artificiales con el objetivo de obtener modelos de pronóstico de caudales mensuales para el río Shullcas en la estación de Chamisería en función de las precipitaciones y evapotranspiraciones mensuales. La metodología consistió de cinco etapas: 1) se construyó el polígono de Thiessen para estimar las precipitaciones mensuales y temperaturas medias representativas de la subcuenca del río Shullcas; 2) se detectaron y corrigieron datos pluviométricos e hidrométricos mensuales fuera de intervalo; 3) se generaron las temperaturas medias mensuales para la estación de Huaytapallana, considerando el gradiente término determinado por la ANA y las precipitaciones mensuales para la estación de Huaytapallana correspondientes a los años 2014 a 2019 por el método de la razón normal; 4) se caracterizaron las precipitaciones mensuales y temperaturas medias mensuales de las estaciones meteorológicas de Santa Ana y Huaytapallana, a través de ajuste funcional a la serie de Fourier; 5)finalmente se empleó redes neuronales de tipo multilayer perceptrón (MLP) y radial basis function (RBF) para generar los modelos de pronóstico de los caudales mensuales en la estación hidrométrica de Chamisería en la subcuenca Shullcas y se validaron con el coeficiente de determinación (R2), el error cuadrático medio (RMSE), y la raíz de la media cuadrática (RMS). Los resultados indican que los modelos generados con redes neuronales multilayer perceptrón tienenmayor potencia predictiva según los coeficientes de determinación (R2) de 0; 947 y 0; 857 respectivamente.
- 22 December 2020
- Published by Universidad Nacional Santiago Antúnez de Mayolo in APORTE SANTIAGUINO
- p. ág. 92-106
Open AccessModelos de pronóstico de caudales mensuales en el río Shullcas (Huancayo - Perú) con redes neuronales artificiales
El recurso hídrico en la subcuenca del río Shullcas es escaso en cantidad, calidad y oportunidad; el abastecimiento de agua potable para los pobladores de la ciudad de Huancayo se realiza con las aguas de este río y para su gestión es necesario realizar estimaciones de la oferta hídrica futura empleando diferentes métodos de pronóstico. El trabajo de investigación consistió en la estimación de caudales mensuales con modelos de redes neuronales artificiales con el objetivo de obtener modelos de pronóstico de caudales mensuales para el río Shullcas en la estación de Chamisería en función de las precipitaciones y evapotranspiraciones mensuales. La metodología consistió de cinco etapas: 1) se construyó el polígono de Thiessen para estimar las precipitaciones mensuales y temperaturas medias representativas de la subcuenca del río Shullcas; 2) se detectaron y corrigieron datos pluviométricos e hidrométricos mensuales fuera de intervalo; 3) se generaron las temperaturas medias mensuales para la estación de Huaytapallana, considerando el gradiente término determinado por la ANA y las precipitaciones mensuales para la estación de Huaytapallana correspondientes a los años 2014 a 2019 por el método de la razón normal; 4) se caracterizaron las precipitaciones mensuales y temperaturas medias mensuales de las estaciones meteorológicas de Santa Ana y Huaytapallana, a través de ajuste funcional a la serie de Fourier; 5)finalmente se empleó redes neuronales de tipo multilayer perceptrón (MLP) y radial basis function (RBF) para generar los modelos de pronóstico de los caudales mensuales en la estación hidrométrica de Chamisería en la subcuenca Shullcas y se validaron con el coeficiente de determinación (R2), el error cuadrático medio (RMSE), y la raíz de la media cuadrática (RMS). Los resultados indican que los modelos generados con redes neuronales multilayer perceptrón tienenmayor potencia predictiva según los coeficientes de determinación (R2) de 0; 947 y 0; 857 respectivamente.