Redes neuronales para predecir el P.C.I del pavimento asfáltico desde el ovalo del periodista hasta las Palmas, San Martín 2025

• Autores: Campos Lavado, Verenice, Guarniz Shupingahua, Carlos Eduardo
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/172219
• Enlace del recurso: https://hdl.handle.net/20.500.12692/172219
• Nivel de acceso: acceso abierto
• Materia: Base de datos; Correlación; Redes neuranales; https://purl.org/pe-repo/ocde/ford#2.01.01

La presente investigación se orienta a mejorar la gestión de la infraestructura vial en la región San Martín, alineándose con el ODS N° 09: Industria, Innovación e Infraestructura. Ante el evidente deterioro de los pavimentos asfálticos, se propone un enfoque innovador basado en inteligencia artificial para predecir el Índice de Condición del Pavimento (PCI). El estudio empleó redes neuronales para estimar el PCI en el tramo Óvalo del Periodista – Las Palmas, utilizando una metodología aplicada, con enfoque cuantitativo y diseño experimental. La base de datos utilizada incluyó 5,271 registros extraídos del repositorio Mendeley Data, con 17 variables correspondientes a tipos de fallas. El modelo fue desarrollado en AI Studio con una arquitectura de red compuesta por 17 nodos de entrada, una capa oculta con 10 neuronas y una salida. Se aplicó validación cruzada, obteniéndose un error cuadrático medio de 6.745 y una correlación de 0.958, lo cual evidencia su alta precisión. Estos resultados demuestran que el uso de RNA es una herramienta eficaz, escalable y accesible para el diagnóstico vial y la planificación de mantenimiento, contribuyendo así a la sostenibilidad, eficiencia y mejora de la calidad de vida a través de una infraestructura vial optimizada.