Browsing by Author "Inga Alva, Alexander Eduardo"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Método de Gestión de la Incertidumbre de Datos Geoespaciales de Pozos Petroleros durante la Fase Exploratoria
    (Universidad Nacional Mayor de San Marcos, 2021) Inga Alva, Alexander Eduardo; Mercado Rojas, Joel Enrique
    Se enfoca en el análisis de la incertidumbre de datos geoespaciales obtenidos por métodos tradicionales y por Información Geográfica Voluntaria, aplicado a la industria petrolera en su fase de exploración [Inga 2018]. Dicho análisis permitirá el uso de índices de confiablidad para determinar el espacio de incertidumbre dentro de una base de datos relacional (Geodatabase) en la cual se podrá centralizar, integrar y validar los datos de exploración, insumo principal para el desarrollo de un Sistema de Información Geográfica Exploratorio. Con respecto a la justificación de la investigación, se tiene que los procedimientos de recolección y verificación de la calidad de los datos es, en muchos casos, pobre o inexistente dentro de las organizaciones gubernamentales y es por ello que se pretende mejorar la confiabilidad de datos tomando como lineamientos la norma ISO 19157:2013 referente a la Calidad de Datos [UNE-EN ISO 1957, 2013] y la Guía para la expresión de la Incertidumbre y Medición (GUM) – 2008 [GUM, 2008]. Finalmente, debido a la confidencialidad de la información generada durante el proceso exploratorio, el estudio se llevará a cabo con la información liberada publicada en Perupetro y el caso de estudio, en la empresa petrolera Frontera Energy.
  • No Thumbnail Available
    Item
    Teledetección de impactos medioambientales producidos por derrames de petróleo en el mar utilizando Inteligencia Artificial Geoespacial
    (Universidad Nacional Mayor de San Marcos, 2026) Inga Alva, Alexander Eduardo; Rodriguez Rodriguez, Ciro
    Se desarrolló un sistema de Inteligencia Artificial Geoespacial para mejorar la teledetección de impactos ambientales ocasionados por derrames de petróleo en el mar. La investigación adoptó un enfoque cuantitativo y una metodología experimental, utilizando imágenes de Radar de Apertura Sintética (SAR) provenientes de un conjunto de datos de referencia y datos correspondientes a un derrame ocurrido en Ventanilla durante 2022. Se compararon las arquitecturas de aprendizaje profundo U-Net, PSPNet, DeepLabV3 y DeepLabV3+, y se diseñó un modelo mejorado denominado ReImprovedDeepLabV3+, que incorpora un mecanismo de atención polarizada y StripePooling en el módulo ASPP. Los resultados evidenciaron que el modelo propuesto alcanzó un Accuracy de 97,86 %, Recall de 96,01 % e IoU de 0,6477, además de reducir en 25,7 % el tiempo de entrenamiento respecto al modelo DeepLabV3+. Asimismo, se desarrolló una interfaz web mediante Streamlit para facilitar la evaluación del impacto geoespacial de los derrames. Se concluye que la Inteligencia Artificial Geoespacial mejora la detección y clasificación de derrames de petróleo, constituyendo una herramienta potencial para el monitoreo y la gestión ambiental de ecosistemas marinos y costeros, en concordancia con el Objetivo de Desarrollo Sostenible 14.