Predicción de emisiones de dióxido de carbono en vías urbanas mediante un modelo de aprendizaje automático, San Martín 2025

• Autores: Aguilar Gamonal, Luis Alberto, Huaman Flores, Allister
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/171466
• Enlace del recurso: https://hdl.handle.net/20.500.12692/171466
• Nivel de acceso: acceso abierto
• Materia: Red neuronal artificial; Dióxido de carbono; Aprendizaje automático; https://purl.org/pe-repo/ocde/ford#2.01.01

El trabajo de investigación se enfocó en generar un modelo de predicción de emisiones de dióxido de carbono usando Inteligencia artificial. Esta investigación fue de tipo aplicada, con enfoque cuantitativo y un diseño experimental, se aplicó el modelo de aprendizaje automático “red neuronal artificial” con una regresión lineal para predecir el valor de la emisión de dióxido de carbono en gramos por kilómetro en vías urbanas. Se usó una base de datos de 7384 filas, cada una con 06 características o atributos que permitieron que el modelo aprenda a predecir con un alto nivel de precisión. Se construyó un modelo predictivo, aplicando el modelo de Red Neuronal Artificial, a través del uso del software RapidMiner Studio. Los resultados obtenidos son bastante buenos, con un error cuadrático medio: 14.710 +/- 1.422, dentro de un rango de valores de emisión de dióxido de carbono entre 96 g/km y 522 g/km, representando un bajo nivel de error relativo (aproximadamente 3.45%), lo cual indica alta precisión en las predicciones. Además, el coeficiente de correlación de 0.969 que evidencia una fuerte relación lineal entre los valores reales y los valores predichos, confirmando así, la capacidad del modelo para capturar correctamente la variabilidad de los datos.