EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

Algoritmos de Regresión del Proceso Gaussiano para la Predicción de Agua para Riego

Tamara Briones Lascano, Jhonny Choez Burgos

ASCE MAGAZINE · 28.07.2026 · 5 (3) · 1182-1192

DOI: 10.70577/asce.v5i3.928 ↗

Kurz gefasst

Fachartikel in der Zeitschrift ASCE MAGAZINE, online erschienen am 28.07.2026. Verfasst von Tamara Briones Lascano und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

A medida que el cambio climático afecta la producción de alimentos y el precio del agua aumenta, la forma en que se gestiona el agua para la agricultura se ha convertido en un asunto de enorme importancia y creciente atención y urgencia. La Ciencia de Datos, en este sentido, aparece como una herramienta clave que nos puede ayudar a maximizar los recursos hídricos con ayuda de algoritmos de . Una revisión sistemática del uso de algoritmos de regresión del proceso gaussiano para predecir la demanda de agua de riego. Incluye los fundamentos teóricos del GPR, así como sus aplicaciones hidrogeológicas y agrícolas. Según los principales resultados obtenidos, la Regresión del Proceso Gaussiano (GPR) es una técnica firme y precisa para predecir la demanda de agua y como cuantifican la incertidumbre y se adapta bien a datos escasos o dispersos. Se concluye que la integración del GPR y otras herramientas que provienen de la disciplina de la ciencia de datos logra una administración anticipada, duradera del agua. El riego agrícola ofrece un aumento importante en su eficacia A medida que el cambio climático afecta la producción de alimentos y el precio del agua aumenta, la forma en que se gestiona el agua para la agricultura se ha convertido en un asunto de enorme importancia y creciente atención y urgencia. La Ciencia de Datos, en este sentido, aparece como una herramienta clave que nos puede ayudar a maximizar los recursos hídricos con ayuda de algoritmos de . Una revisión sistemática del uso de algoritmos de regresión del proceso gaussiano para predecir la demanda de agua de riego. Incluye los fundamentos teóricos del GPR, así como sus aplicaciones hidrogeológicas y agrícolas. Según los principales resultados obtenidos, la Regresión del Proceso Gaussiano (GPR) es una técnica firme y precisa para predecir la demanda de agua y como cuantifican la incertidumbre y se adapta bien a datos escasos o dispersos. Se concluye que la integración del GPR y otras herramientas que provienen de la disciplina de la ciencia de datos logra una administración anticipada, duradera del agua. El riego agrícola ofrece un aumento importante en su eficacia

Zitieren

APA

Lascano, T. B., & Burgos, J. C. (2026). Algoritmos de Regresión del Proceso Gaussiano para la Predicción de Agua para Riego. ASCE MAGAZINE, 5(3), 1182-1192. https://doi.org/10.70577/asce.v5i3.928

Vancouver

Lascano TB, Burgos JC. Algoritmos de Regresión del Proceso Gaussiano para la Predicción de Agua para Riego. ASCE MAGAZINE. 2026;5(3):1182-1192. doi:10.70577/asce.v5i3.928

BibTeX
@article{Lascano2026,
  author = {Lascano, Tamara Briones and Burgos, Jhonny Choez},
  title = {Algoritmos de Regresión del Proceso Gaussiano para la Predicción de Agua para Riego},
  journal = {ASCE MAGAZINE},
  year = {2026},
  volume = {5},
  number = {3},
  pages = {1182--1192},
  doi = {10.70577/asce.v5i3.928}
}
Kostenlos starten →