Backpropagation to predict drinking water consumption

Resumen

El presente artículo de investigación se basa en el uso de las redes neuronales artificiales como herramienta para la predicción aplicado al consumo de agua potable, donde se aprovecha el aprendizaje artificial propio de una red multicapa backpropagation con los datos históricos consumidos en m3. En un computador de regular característica se logró implementar la red backpropagation en el lenguaje Python 3.7.0, tomando como objetos de estudio un caso publicado en su página web de la SUNEDU respecto al consumo de agua potable en el 2017 y comprobando los resultados en enero del 2018, tomando estos datos para el aprendizaje y las pruebas respectivas. Se ha logrado como resultado predecir la cantidad de consumo de agua de la institución. La prueba realizada dio como resultado en exceso 23 m3 lo que representa el 2.7% en exceso dado que en enero del 2018 se registró un consumo de 833m3. Tener en cuenta que se realizó para el proceso de entrenamiento con un error máximo para el entrenamiento de 0.000099 y con una cantidad máxima de iteraciones de 100000. Posterior al entrenamiento con los datos históricos del consumo de agua potable se logró predecir el consumo de la SUNEDU a enero del 2018.