Modelo para la gestión eficiente de sistemas de alcantarillado basado en Machine Learning y Gis

Perales Apaza, Victor Manuel

Modelo para la gestión eficiente de sistemas de alcantarillado basado en Machine Learning y Gis

dc.contributor.advisor	Espinoza Vigil, Alain Jorge
dc.contributor.author	Perales Apaza, Victor Manuel
dc.date.accessioned	2025-05-02T18:12:44Z
dc.date.available	2025-05-02T18:12:44Z
dc.date.issued	2025-04-04
dc.description.abstract	Las redes de alcantarillado son fundamentales para la salud pública y el medio ambiente. Facilitan la gestión segura de aguas residuales, previenen enfermedades y protegen los recursos hídricos. Su correcta implementación y mantenimiento son esenciales para el desarrollo sostenible y la calidad de vida en las comunidades urbanas y rurales. En cuanto a la finalidad de investigación, es plantear un modelo para la gestión eficiente de sistemas de alcantarillado basado en machine learning y GIS, esto se logrará a partir de nuestra metodología planteada en el documento, que consta de 3 pasos principales, primero diagnosticar el estado de la red, segundo desarrollar el modelo planteado a través de la identificación de variables clave y tercero identificar dicho e implementarlo en el modelo GIS. Como primer paso, para el diagnóstico de la red, se recopiló la data en formato de shapefile, para su posterior limpieza y preprocesamiento, seleccionado las características necesarias como las capas a utilizar y así poder exportar esta data en forma de tabla, seguido de ello el segundo paso en el cual se utilizó algoritmos de agrupamiento o clustering el cual nos permitió, tener agrupaciones basadas en machine learning, para ello se usó los algoritmos k-means y DBSCAN que nos brinda la cantidad de clusters como resultado, teniendo en cuanta las métricas usadas las cuales fueron ajustadas para su mejor precisión, para finalizar con los clusters obtenidos se exporta la data y se suma los grupos al modelo en GIS así como se hace una selección en degradado de los diferentes tipos de tuberías de acuerdo al cluster asignado, para si poder tener el modelo separa desde el color verde al rojo indicando la prioridad entre tuberías para su reemplazo o mantenimiento. Como aporte el modelo busca contribuir a plantear las bases para tener un futuro modelo de gestión de activos que permite tener un sistema de alcantarillado eficiente, además que usa herramientas actuales como el uso algoritmos de clustering o agrupamiento que son herramientas de la inteligencia artificial en machine learning, así como la implementación del modelo en GIS para tener la visualización del modelo obtenido como para su posterior uso en las diferentes especialidades.
dc.format	application/pdf
dc.identifier.uri	https://hdl.handle.net/20.500.12920/15053
dc.language.iso	spa
dc.publisher	Universidad Católica de Santa María	es_ES
dc.publisher.country	PE
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/	es_ES
dc.source	Universidad Católica de Santa María	es_ES
dc.source	Repositorio de la Universidad Católica de Santa María - UCSM	es_ES
dc.subject	Clustering
dc.subject	GIS
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#2.01.00
dc.title	Modelo para la gestión eficiente de sistemas de alcantarillado basado en Machine Learning y Gis
dc.type	info:eu-repo/semantics/bachelorThesis
dc.type.version	info:eu-repo/semantics/publishedVersion
renati.advisor.dni	70600036
renati.advisor.orcid	0000-0003-2012-2462
renati.author.dni	71010811
renati.discipline	732016
renati.juror	Arroyo Ambia, Arturo Felix
renati.juror	Noriega Aquise, Guillermo Yorel
renati.juror	Montoya Villanueva, Filiberto Rody
renati.level	https://purl.org/pe-repo/renati/nivel#tituloProfesional
renati.type	https://purl.org/pe-repo/renati/type#tesis
thesis.degree.discipline	Ingeniería Civil
thesis.degree.grantor	Universidad Católica de Santa María.Facultad de Arquitectura e Ingenierías Civil y del Ambiente	es_ES
thesis.degree.name	Ingeniero Civil