Propuesta de un modelo predictivo utilizando el algoritmo de redes neuronales para medir el impacto de la contaminación hídrica que generan los procesos de Minado y Transformación metalúrgica que produce la Minería Aurífera Subterránea

• Autores: Santillan Velasquez, Eduardo Miguel, Ricaza Farfan, Hans Hiroshi, Montanchez Galindo, Miguel Angel
• Formato: tesis de maestría
• Fecha de Publicación: 2024
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/684361
• Enlace del recurso: http://hdl.handle.net/10757/684361
• Nivel de acceso: acceso abierto
• Materia: Minería; Contaminación ambiental; Algoritmos; Machine learning; Inteligencia artificial; Environmental pollution; Algorithms; Artificial intelligence; Mining; https://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.04

La propuesta describe la realización de un modelo predictivo mediante el algoritmo de redes neuronales artificiales de tipo recurrente, para medir el impacto de la contaminación ambiental que produce la actividad minera de tipo subterráneo. En el capítulo I, presentamos la problemática que motiva la propuesta, considerando la contaminación ambiental y sobre todo hídrica como el problema principal afectando directamente a la sociedad y la naturaleza. En este contexto la minería es una de las industrias de mayor impacto ambiental, por lo que se proporciona referencias de este a nivel mundial y local. También nos enfocaremos en los objetivos, los principales y los secundarios, que consisten en apoyar a las empresas mineras a predecir y mitigar la contaminación, considerando los supuestos y limitaciones del proyecto, como los riesgos presupuestarios y la negativa de alguna entidad gubernamental. En el capítulo II, presentamos el marco teórico que incluye el funcionamiento de la industria minera y de cada proceso, así como la tecnología que se utilizará para la solución. Se definen conceptos clave como Machine Learning, Deep Learning e Inteligencia Artificial, y sobre todo presentamos los marcos normativos que plantean las bases para comprender mejor el camino hacia el planteamiento final. En el capítulo III detallaremos los datos principales y objetivos de la empresa a la que brindamos la solución, su situación actual, remarcando su visión y misión, así como describir los principales procesos que tiene y comentar la problemática que presenta. Finalmente, en el capítulo IV, describiremos como se desarrolla la solución a la problemática, indicando puntualmente los pasos de la propuesta, que abarcan la planificación, el diseño y la ejecución de la misma de cara a la finalización del proyecto, todo conllevado a que la empresa pueda utilizar esta propuesta y obtener el logro de sus objetivos.