Identificación y análisis de puntos de acumulación de residuos sólidos, utilizando random forest en Puente Piedra - Lima, 2020-2022

• Autor: Yanayaco Lazo, Deyvis Junior
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/6126
• Enlace del recurso: https://hdl.handle.net/20.500.12867/6126
• Nivel de acceso: acceso abierto
• Materia: Residuos sólidos; Machine learning; https://purl.org/pe-repo/ocde/ford#2.01.01

El dilema de los cúmulos de Residuos Sólidos Urbanos (RSU) no se limita a un sector en específico, sino que afecta a distintas regiones del país, por ello, el hombre ha buscado soluciones; sin embargo, no han logrado su erradicación en su totalidad. En ese sentido, esta investigación busca identificar y analizar los sectores propensos a experimentar la acumulación de residuos sólidos (RS), a partir de actividades gestionadas por la población. Para entender este comportamiento, se utilizó un algoritmo de aprendizaje automático (i.e., Random forest). Los datos fueron recolectados mediante una encuesta a los pobladores de dos comunidades del sector de Copacabana: la primera Asoc. Sta. Juana de Copacabana y la segunda Asoc. Los Frutales del Norte Etapa 1, ambas ubicadas en Puente Piedra en la Provincia de Lima (Perú). Cabe recalcar que las encuestas estuvieron basadas en una propuesta de diez indicadores sociales. Seguido de una metodología que podrá ser adaptada a poblaciones urbanas del tamaño intermedio a lo largo del país. La investigación muestra que el modelo predictivo con el algoritmo Random Forest (RF) determina que la categoría socioeconómica representado por el indicador patrón de consumo tuvo la mayor influencia en la predicción, seguido de la categoría sociodemográfica representado por los indicadores densidad poblacional y uso de suelo.