Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Garcia Solano, MarioDonado Garzon, Leonardo DavidGómez Castro, Alba Andrea2024-03-0320092024-03-0320092009https://noesis.uis.edu.co/handle/20.500.14071/22813Backpropagation. RESUMEN La determinación de las curvas de retención de agua en los suelos es fundamental para el estudio de la movilidad del agua subterránea, sin embargo, obtener mediciones de ésta de manera directa es difícil tanto en el campo como en el laboratorio; y los modelos teóricos propuestos hasta ahora generan incertidumbres, debido a que contienen parámetros empíricos o son estimaciones basadas en otros parámetros más fáciles de medir en el suelo. La implementación de las redes neuronales artificiales, se propone como una alternativa para determinar curvas de retención de agua, ya que son sistemas de procesamiento de información basados en datos, que modelan relaciones entre los datos de entrada y salida si importar el tipo de relación que exista entre estos, no requieren una matemática compleja. Usando el algoritmo Backpropagation se diseñaron las arquitecturas de las redes neuronales, que aproximan el comportamiento de las curvas de retención tomadas en el laboratorio para tres tipos de suelo, arena fina uniforme (AFU), arena media uniforme (AMU) y arena de diferentes tamaños de partícula (ADTP). Se pudo observar que el adecuado comportamiento de una red depende en gran medida de la calidad y cantidad de datos con los que se cuente para el entrenamientoapplication/pdfspahttp://creativecommons.org/licenses/by/4.0/Curvas de retención de aguaRedes neuronales artificialesAlgoritmoUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coSoil water retention curveArtificial neural networksBackpropagation algorithm.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)