Predicción de riesgo de inundaciones para alcantarillas de concreto armado usando un modelo de aprendizaje automático, San Martin 2025

• Autores: Salas Arirama, Marvely, Vega Sandoval, Elianne
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/169965
• Enlace del recurso: https://hdl.handle.net/20.500.12692/169965
• Nivel de acceso: acceso abierto
• Materia: Inundaciones; Ingeniería de drenaje; Inteligencia Artificial; https://purl.org/pe-repo/ocde/ford#2.01.01

Esta investigación se alineó con el Objetivo de Desarrollo Sostenible (ODS) N.° 6, denominado agua limpia y saneamiento. El estudio tuvo como propósito predecir el riesgo de inundaciones en alcantarillas de concreto armado en la provincia de San Martín, empleando un modelo de aprendizaje automático. Se consideró como población una base de datos con 50 000 registros relacionados con riesgos de inundaciones en alcantarillas, extraídos de la plataforma de datos de acceso libre Kaggle. En consecuencia, la muestra comprendió de 4736 datos, los cuales permitieron ejecutar la predicción del riesgo en estudio. El tipo de investigación fue aplicada, con enfoque cuantitativo, de diseño experimental y tuvo un alcance exploratorio. Según la OCDE, este proyecto se considera un proceso innovador, ya que incorpora avances significativos en los procedimientos empleados. La predicción de los riesgos de inundación en alcantarillas se efectuó utilizando programas de acceso libre; en este caso, se aplicó el software RapidMiner, que alcanzó una exactitud altamente precisa. Se concluyó que el modelo de aprendizaje automático, basado en una Red Neuronal Artificial, fue eficaz en la predicción, al presentar un margen de error mínimo y una precisión dentro del rango aceptado, destacando su potencial para investigaciones futuras.