Return to search

Propuesta metodológica basada en redes neuronales artificiales para la determinación de la gestión óptima de residuos sólidos urbanos: aplicación en las localidades de Suba y Engativá de la ciudad de Bogotá (Colombia)

[ES] Dentro de las temáticas asociadas al campo de acción de la Ingeniería Ambiental se encuentra la referente a la gestión adecuada de los residuos sólidos que son generados por las comunidades. Los residuos sólidos urbanos (RSU) se han constituido en una de las problemáticas que debe ser atendida por los países de forma prioritaria, dadas las tendencias crecientes en su aumento y para los cuales se requiere la adopción de estrategias que permitan su aprovechamiento y disposición adecuada. Por tanto, las administraciones locales, regionales y nacionales deben tomar decisiones de forma eficiente para que se realice una gestión correcta de estos residuos que tenga presente las particularidades de su región. Dentro de estas particularidades se encuentra, entre otros elementos, la caracterización de la población, la cantidad de RSU generados, el clima, las mejores técnicas y tecnologías disponibles, las tendencias y políticas nacionales, la disponibilidad de recursos económicos, los planes de ordenamiento territorial, la legislación vigente y las características del servicio público de limpieza. Todos estos aspectos pueden influir dentro de la toma de decisiones para cada una de las etapas definidas dentro del proceso de gestión de este tipo de residuos.
En este marco de trabajo, en esta investigación se presenta una metodología para la toma de decisiones relacionada con la gestión de residuos sólidos en grandes ciudades. La investigación se ha desarrollado tomando como referencia la ciudad de Bogotá (Colombia) y, particularmente, dos zonas de esta ciudad llamadas Engativá y Suba (denominadas "localidades" según la división administrativa de la ciudad). En estos emplazamientos se han desarrollado alternativas para la selección de estrategias que permitan la gestión de RSU más adecuada.
La investigación se ha desarrollado en tres fases. En primera instancia, se han analiza-do las características de la generación de residuos en la ciudad mediante una ruta analítica que integra el análisis espacial junto con el tratamiento estadístico de datos, para evaluar y predecir su comportamiento en cada una de las zonas de Bogotá.
En la segunda parte de la investigación, se realizó el análisis predictivo de la generación de estos residuos a través de tres herramientas de inteligencia artificial: árboles de decisión (Decision trees), redes neuronales artificiales (RNA) y máquinas de soporte vectorial (Support Vector Machines, MSV).
Como etapa final, se realizó el planteamiento y desarrollo del modelo metodológico, incorporando tanto aspectos predictivos como variables económicas, y se analizó el comportamiento del modelo a través de redes neuronales artificiales de tipo Long Short Term Memory (LSTM), foco principal del presente trabajo. De igual forma, dentro de esta última fase se presenta también la revisión del comportamiento del modelo a través de la implementación de máquinas de soporte vectorial, como estrategia comparativa del rendimiento de las RNA frente a otros posibles modelos que pueden implementarse a este tipo de procesos.
Como principal resultado obtenido de la investigación realizada, se concluye que las redes neuronales artificiales constituyen una alternativa viable para el planteamiento de modelos que incluyan todas las etapas de la gestión de los RSU de una ciudad. Por otra parte, se ha comprobado que el modelo diseñado se encuentra estructurado de forma que permite la modificación, inclusión, precisión y optimización de la informa-ción de forma permanente. Todo ello constituye una gran ventaja, ya que mejora de forma continua la eficiencia de la metodología propuesta. De este modo, la metodología propuesta puede ser aplicada en zonas determinadas de ciudades con características similares, en la medida que los países vayan estableciendo y fortaleciendo sus sistemas de información de forma confiable para así obtener datos más precisos, lo cual es un proc / [CA] Dins de les temàtiques associades al camp d'acció de l'Enginyeria Ambiental es troba la referent a la gestió adequada dels residus sòlids que són generats per les comunitats. Els residus sòlids urbans (RSU) s'han constituït en una de les problemàtiques que ha de ser atesa pels països de forma prioritària, donades les tendències creixents en el seu augment i per als quals es requereix l'adopció d'estratègies que permeten el seu aprofitament i disposició adequada . És així que les administracions locals, regionals i nacionals han de prendre decisions de manera eficient perqué es realitze una gestió correcta d'aquests residus tenint present les particularitats de la seva regió, dins de les que es poden trobar la caracterització de la població, la quantitat de RSU generats, el clima, les millors tècniques i tecnologies disponibles, les tendències i polítiques nacionals, la disponibilitat de recursos econòmics, els plans d'ordenament territorial, la legislació vigent, les característiques del servei públic de neteja, entre altres elements, els quals poden influir dins de la presa de decisions per a cadascuna de les etapes definides dins el procés de gestió d'aquest tipus de residus.
És així com es presenta en aquesta investigació una metodologia per a la presa de decisions relacionada amb la gestió de residus sòlids en grans ciutats, prenent com a referència la ciutat de Bogotà (Colòmbia), i particularment dues zones d'aquesta ciutat anomenades Engativá i Suba (denominades "localitats" segons la divisió administrativa de la ciutat), com una alternativa per a la selecció de la millor estratègia que permeta l'adequada gestió de RSU d'aquesta regió.
En primera instancia, s'analitza el comportament de la generació de residus de la ciutat a través d'una ruta analítica que integra l'anàlisi espacial juntament amb el tractament estadístic de dades, per avaluar i predir el comportament de la generació dels RSU a cadascuna de les zones de Bogotà. Com a segona part de la investigación, es va realitzar l'anàlisi predictiva de la generació d'aquests residus a través de tres eines d'intel·ligència artificial, per a això es va incorporar l'aplicació d'arbres de decisió (Deci-sion trees), xarxes neuronals artificials (RNA) i màquines de suport vectorial (Support Vector Machines, MSV).
Com a principal resultat obtingut de la investigació realitzada, es conclou que les xarxes neuronals constitueixen una alternativa viable per al plantejament de models que incloguen totes les etapes de la gestió dels RSU d'una ciutat. D'altra banda, s'ha comprovat que el model dissenyat es troba estructurat de manera que permet la modificació, inclusió, precisió i optimització de la informació de forma permanent, la qual cosa constitueix en un avantatge, ja que permet de forma contínua millorar la eficiència de la metodologia proposada i aplicarla en una zona determinada d'una ciutat amb característiques similars en la mesura que els països van establint i enfortint els seus sistemes d'informació de forma fiable per així obtenir dades més precises, la qual cosa és un procés que Colòmbia té com a meta de curt termini.
Com a etapa final, es va realitzar el plantejament del model metodològic incorporant aspectes predictius així com variables econòmiques, i es va analitzar el comportament d'aquest a través de xarxes neuronals artificials de tipus Long Short Term Memory (LSTM), focus principal del present treball. De la mateixa manera, dins d'aquesta última fase es presenta el mateix model, però en aquesta ocasió es va realitzar la revisió del seu comportament a través de la implementació de màquines de suport vectorial, com a estratègia comparativa del rendiment de les RNA enfront d'altres possibles models que poden implementarse a aquesta mena de processos. / [EN] Ensuring the proper management of solid waste generated by communities is included among the topics associated within the scope of environmental engineering. Municipal solid waste (MSW) has become one of the problems that countries must place a priority on addressing, given the trends of its increasing generation. Strategies must be adopted that facilitate MSW use and its proper disposal. Therefore, local, regional and national governments must make decisions in an efficient manner, taking into account the particularities of their region, in order to correctly manage this waste. These particularities include the characterization of their population, amount of MSW generated, climate, best available techniques and technologies, national guidelines and policies, availability of economic resources, land use plans, current legislation, characteristics of the public sanitation service, among other components. These factors can influence decision-making in each defined stage in the process of MSW management.
Accordingly, this research study presents a methodology for decision-making regarding solid waste management in large cities. The city of Bogotá (Colombia) is used as a reference, specifically, two areas of the city named Engativá and Suba Bogotá (called "localities", which are based on the administrative division of the city). The goal of the methodology is to determine an alternative to select the best strategy to facilitate proper MSW management in the region.
First, the behavior of waste generation in the city was analyzed through an analytical approach that integrates spatial analysis with statistical data processing to evaluate and forecast the behavior of MSW generation in each area of Bogotá. The second part of the study was a predictive analysis of MSW generation which employed the following three artificial intelligence tools: decision trees, artificial neural networks (ANN), and support-vector machines (MSV).
Lastly, the methodological model was proposed, which incorporated predictive aspects as well as economic variables. The model was analyzed by Long Short-Term Memory (LSTM) artificial neuronal networks, the primary focus of this research. Similarly, within this last phase, the same model is presented, but a review of its behavior was conducted by implementing support-vector machines, as a comparative strategy of ANN performance with respect to other possible models that can be implemented in these types of processes.
The primary conclusion of this research is that neural networks are a viable alternative to develop models that include all stages of MSW management in a city. While these mathematical models require a large amount of data to minimize the results' margin of error, with the data obtained for the modelling the ANNs were properly adapted and showed satisfactory performance according to the proposed methodology. Moreover, the study demonstrated that the designed model is structured in such a manner that it allows for continuous modification, inclusion, precision and optimization of the information. This is an advantage as it enables the proposed methodology's efficiency to be improved on an ongoing basis, in order for it to be applied to a specific area in a city with similar characteristics. The above is dependent on countries establishing and strengthening their information systems in a reliable manner, in order to obtain more precise data, which is a short-term goal for Colombia. / Solano Meza, JK. (2021). Propuesta metodológica basada en redes neuronales artificiales para la determinación de la gestión óptima de residuos sólidos urbanos: aplicación en las localidades de Suba y Engativá de la ciudad de Bogotá (Colombia) [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/168119

Identiferoai:union.ndltd.org:upv.es/oai:riunet.upv.es:10251/168119
Date18 June 2021
CreatorsSolano Meza, Johanna Karina
ContributorsRodrigo Ilarri, Javier, Universitat Politècnica de València. Departamento de Ingeniería Hidráulica y Medio Ambiente - Departament d'Enginyeria Hidràulica i Medi Ambient
PublisherUniversitat Politècnica de València
Source SetsUniversitat Politècnica de València
LanguageSpanish
Detected LanguageSpanish
Typeinfo:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/acceptedVersion
Rightshttp://rightsstatements.org/vocab/InC/1.0/, info:eu-repo/semantics/openAccess

Page generated in 0.0035 seconds