Sie sind auf Seite 1von 38

Generalidades

Marco teórico
Desarrollo de trabajo de tesis
Análisis, resultados y contrastación de hipótesis
Conclusiones y recomendaciones

Redes Neuronales Artificiales de Base Radial Como


Herramienta de Predicción de la Contaminación
Acústica Generado por Tránsito Vehicular

Edmundo Canchari Gutiérrez

Universidad Nacional de Ingeniería


Facultad de Ingeniería Civil
Unidad de Posgrado

25 de marzo de 2015

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Contenido
1 Generalidades
Identificación del problema de investigación
Antecedentes
Problema de la investigación, objetivos e hipótesis
Variables e indicadores
Datos y escalas de medición
2 Marco teórico
El sonido y la generación del ruido
Redes neuronales artificiales
Modelos de RNA y métodos de aprendizaje
3 Desarrollo de trabajo de tesis
Determinación del tamaño de la muestra
Construcción del modelo
Etapa de entrenamiento
Etapa de validación
Prueba final
4 Análisis, resultados y contrastación de hipótesis
Análisis del modelo AN 4
Resultado de la Investigación
Contrastación de hipótesis
Análisis paramétrico
Análisis no paramétrico
5 Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Limitaciones del modelo AN 4
Implicaciones prácticas
Contenido
1 Generalidades
Identificación del problema de investigación
Antecedentes
Problema de la investigación, objetivos e hipótesis
Variables e indicadores
Datos y escalas de medición
2 Marco teórico
El sonido y la generación del ruido
Redes neuronales artificiales
Modelos de RNA y métodos de aprendizaje
3 Desarrollo de trabajo de tesis
Determinación del tamaño de la muestra
Construcción del modelo
Etapa de entrenamiento
Etapa de validación
Prueba final
4 Análisis, resultados y contrastación de hipótesis
Análisis del modelo AN 4
Resultado de la Investigación
Contrastación de hipótesis
Análisis paramétrico
Análisis no paramétrico
5 Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Limitaciones del modelo AN 4
Implicaciones prácticas
Generalidades Identificación del problema de investigación
Marco teórico Antecedentes
Desarrollo de trabajo de tesis Problema de la investigación, objetivos e hipótesis
Análisis, resultados y contrastación de hipótesis Variables e indicadores
Conclusiones y recomendaciones Datos y escalas de medición

Identificación del problema de investigación

Etapas para la asignación de


tráfico
Características de los viajes
y del uso de suelos

Generación de viajes

Distribución de viajes

Sistema de tránsito
y de carreteras
Selección del modo
Carriles de alta
Ocupación de vehículos
Asignación de los viajes a la
red

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Identificación del problema de investigación
Marco teórico Antecedentes
Desarrollo de trabajo de tesis Problema de la investigación, objetivos e hipótesis
Análisis, resultados y contrastación de hipótesis Variables e indicadores
Conclusiones y recomendaciones Datos y escalas de medición

Antecedentes I

Congreso Mundial del Medio Ambiente (1972)


El ruido declarado como contaminate
Decreto Supremo № 085-2003-PCM (Perú, 2003)
“Estándares Nacionales de Calidad Ambiental para Ruido”
Santos De La Cruz, E. (Perú, 2007)
“Contaminación Sonora por Ruido Vehicular en la Avenida
Javier Prado”
Cortínez, V. y Domínguez, P. (Argentina, 2009)
“Un Modelo Contínuo para Asignación de Tráfico para el
Estudio de Ruido Urbano”

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Identificación del problema de investigación
Marco teórico Antecedentes
Desarrollo de trabajo de tesis Problema de la investigación, objetivos e hipótesis
Análisis, resultados y contrastación de hipótesis Variables e indicadores
Conclusiones y recomendaciones Datos y escalas de medición

Antecedentes II

OEFA (Organismo de Evaluación y Fiscalización Ambiental)


(Perú, 2011)
“Evaluación Rápida del Nivel de Ruido Ambiental en las
Ciudades de Lima Callao, Maynas, Coronel Portillo, Huancayo,
Huánuco, Cusco y Tacna”
Echeverri, C.; Murillo, M. y Valencia, G. (Colombia, 2011)
“Simulación de ruido de Tránsito Automotor como Herramienta
para el Diseño de Rutas de Transporte Público Colectivo en el
Municipio de Medellín”
Simona, J.; Jorge, J. y Mulet, J. (España, 2012)
“Comparativa de Nuevos Modelos Europeos de Predicción de
Niveles de Ruido de Tráfico Rodado”

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Identificación del problema de investigación
Marco teórico Antecedentes
Desarrollo de trabajo de tesis Problema de la investigación, objetivos e hipótesis
Análisis, resultados y contrastación de hipótesis Variables e indicadores
Conclusiones y recomendaciones Datos y escalas de medición

Problema de la investigación, objetivos e hipótesis

Problema principal
¿Son las redes neuronales artificiales de base radial buenos estimadores de la
contaminación acústica generada por el tránsito vehicular en centros urbanos?

Objetivo principal
Diseñar un modelo metaheurístico basado en redes neuronales artificiales de
base radial como herramienta de predicción de la contaminación acústica
generado por tránsito vehicular.

Hipótesis principal
El modelo metaheurístico basado en redes neuronales artificiales de base radial
permitirá predecir la contaminación acústica generado por tránsito vehicular.

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Identificación del problema de investigación
Marco teórico Antecedentes
Desarrollo de trabajo de tesis Problema de la investigación, objetivos e hipótesis
Análisis, resultados y contrastación de hipótesis Variables e indicadores
Conclusiones y recomendaciones Datos y escalas de medición

Variables e Indicadores

Variables Indicadores
Directas Directas
Número de vehículos por intervalos
Tránsito vehicular
de tiempo
Indirectas Indirectas
Ruido Máxima intesidad de ruido generado
Intervinientes Intervinientes
a)- Condiciones arquitéc-
a)- Niveles de las viviendas
tónicas
b)- Condiciones topográ- b)- Ancho de veredas y vías de
ficas de la vía transporte

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Identificación del problema de investigación
Marco teórico Antecedentes
Desarrollo de trabajo de tesis Problema de la investigación, objetivos e hipótesis
Análisis, resultados y contrastación de hipótesis Variables e indicadores
Conclusiones y recomendaciones Datos y escalas de medición

Datos y escalas de medición

DATOS Y ESCALAS DE MEDICION

Identificar:
Orígen de los datos  Unidad de muestreo
 Unidad de análisis

Identificar:
Nominal Tipos de datos  Variables cualitativas.
 Variables cuantitativas

Escalas de medición
De
Razón

Ordianal
De
Intervalo

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Contenido
1 Generalidades
Identificación del problema de investigación
Antecedentes
Problema de la investigación, objetivos e hipótesis
Variables e indicadores
Datos y escalas de medición
2 Marco teórico
El sonido y la generación del ruido
Redes neuronales artificiales
Modelos de RNA y métodos de aprendizaje
3 Desarrollo de trabajo de tesis
Determinación del tamaño de la muestra
Construcción del modelo
Etapa de entrenamiento
Etapa de validación
Prueba final
4 Análisis, resultados y contrastación de hipótesis
Análisis del modelo AN 4
Resultado de la Investigación
Contrastación de hipótesis
Análisis paramétrico
Análisis no paramétrico
5 Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Limitaciones del modelo AN 4
Implicaciones prácticas
Generalidades
Marco teórico El sonido y la generación del ruido
Desarrollo de trabajo de tesis Redes neuronales artificiales
Análisis, resultados y contrastación de hipótesis Modelos de RNA y métodos de aprendizaje
Conclusiones y recomendaciones

El sonido y la generación del ruido

Sonido
Vibración mecánica que se propaga a
través de un medio material elástico y
denso y que es capaz de producir una
sensación auditiva.

Ruido
Es la sensación auditiva inarticulada
generalmente desagradable. En zonas
urbanas las fuentes de la contaminación
acústica se corresponde con las
actividades asociadas al hombre.

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades
Marco teórico El sonido y la generación del ruido
Desarrollo de trabajo de tesis Redes neuronales artificiales
Análisis, resultados y contrastación de hipótesis Modelos de RNA y métodos de aprendizaje
Conclusiones y recomendaciones

Definición, neurona biológica y artificial

Definición: ¿qué es un red


neuronal artificial?
Las Redes Neuronales
Artificiales son modelos
simplificados de las redes
neuronales naturales, cuya
finalidad es imitar el proceso de POLARIZACIÓN b(n)
X1
aprendizaje humano. W(n1)
X2
W(n2)

Aplicación X3
W(n3) FUNCIÓN DE FUNCIÓN DE FUNCIÓN DE SEÑAL DE
ENTRADA ACTIVACION SALIDA SALIDA(I)

En todos los campos de la


ciencia (donde no se dispone de
W(nm)
modelos determinísticos) Xm

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades
Marco teórico El sonido y la generación del ruido
Desarrollo de trabajo de tesis Redes neuronales artificiales
Análisis, resultados y contrastación de hipótesis Modelos de RNA y métodos de aprendizaje
Conclusiones y recomendaciones

Modelos de RNA y métodos de aprendizaje

MODELOS DE REDES NEURONALES ARTIFICIALES

Híbridos Supervisados No supervisados Reforzados

Realimentados Hacia-Adelante Realimentado Hacia-Adelante

 BSB  Perceptrón  ART. 1,2,3  LAM Y OLAM


 Fuzzy Cog.  MLP  Hopfield  Mapas de
Map.  Adalina  BAM Kohenen
 Madalina  Neocognitrón
 Back Propagation
 LVQ
Aprendizaje Reforzado
 Boltzman Machine
 RBF  Cascade correlation
 Contrapropagación  ANN RB
UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades
Marco teórico El sonido y la generación del ruido
Desarrollo de trabajo de tesis Redes neuronales artificiales
Análisis, resultados y contrastación de hipótesis Modelos de RNA y métodos de aprendizaje
Conclusiones y recomendaciones

Modelos de RNA y métodos de aprendizaje

METODOS DE APRENDIZAJE RNA

Algoritmos de Aprendizaje Paradigmas de Aprendizaje

 Corrección del error  Supervisado


 Aprendizaje tipo Boltzman  Por señal de refuerzo
 Ley de efectos de  No supervisada
Thorndike
 Regla de Hebb(Delta)
 Aprendizaje competitivo

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Contenido
1 Generalidades
Identificación del problema de investigación
Antecedentes
Problema de la investigación, objetivos e hipótesis
Variables e indicadores
Datos y escalas de medición
2 Marco teórico
El sonido y la generación del ruido
Redes neuronales artificiales
Modelos de RNA y métodos de aprendizaje
3 Desarrollo de trabajo de tesis
Determinación del tamaño de la muestra
Construcción del modelo
Etapa de entrenamiento
Etapa de validación
Prueba final
4 Análisis, resultados y contrastación de hipótesis
Análisis del modelo AN 4
Resultado de la Investigación
Contrastación de hipótesis
Análisis paramétrico
Análisis no paramétrico
5 Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Limitaciones del modelo AN 4
Implicaciones prácticas
Generalidades Determinación del tamaño de la muestra
Marco teórico Construcción del modelo
Desarrollo de trabajo de tesis Etapa de entrenamiento
Análisis, resultados y contrastación de hipótesis Etapa de validación
Conclusiones y recomendaciones Prueba final

Determinación del tamaño de la muestra

Obtención del tamaño de la muestra


Descripción Cantidad
Tamaño del universo o población 120
Error máximo aceptable(nivel de
5%
significancia o significación)
Porcentaje estimado de la mues-
50 %
tra
Nivel deseado de confianza 95 %
Tamaño de muestra 91

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Determinación del tamaño de la muestra
Marco teórico Construcción del modelo
Desarrollo de trabajo de tesis Etapa de entrenamiento
Análisis, resultados y contrastación de hipótesis Etapa de validación
Conclusiones y recomendaciones Prueba final

Muestra, unidad muestral y unidad de análisis

SELECCION DE LA MUESTRA

Obtención del tamaño de la muestra

Muestra Muestra
Muestra
probabilística probabilística
aleatoria simple
estratificada por racimos

Puntos específicos de la red vial local vulnerables a la


Unidad
contaminación acústica por tránsito de vehículos en la ciudad
Muestral
de Ayacucho - Perú

 Registrar el nivel sonoro(Leq)


 Aforo de vehículos Unidad de
 Propiedades geométricas y topográficas de la red vial análisis
 Propiedades arquitectónicas de las edificaciones

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Determinación del tamaño de la muestra
Marco teórico Construcción del modelo
Desarrollo de trabajo de tesis Etapa de entrenamiento
Análisis, resultados y contrastación de hipótesis Etapa de validación
Conclusiones y recomendaciones Prueba final

Muestra, unidad muestral y unidad de análisis

180
Mototaxi
160 Microbús
Camioneta
140 Auto
Camión
120
Aforo vehicular

100

80

60

40

20

0
0 112 224 336 448 560 672 784 896 1008 1120 1232
Número de registros

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Determinación del tamaño de la muestra
Marco teórico Construcción del modelo
Desarrollo de trabajo de tesis Etapa de entrenamiento
Análisis, resultados y contrastación de hipótesis Etapa de validación
Conclusiones y recomendaciones Prueba final

Muestra, unidad muestral y unidad de análisis

105
Nivel sonoro Leq(dB)
100

95
Nivel sonoro Leq(dB)

90

85

80

75

70

65
0 112 224 336 448 560 672 784 896 1008 1120 1232
Número de registros

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Determinación del tamaño de la muestra
Marco teórico Construcción del modelo
Desarrollo de trabajo de tesis Etapa de entrenamiento
Análisis, resultados y contrastación de hipótesis Etapa de validación
Conclusiones y recomendaciones Prueba final

Arquitectura del modelo

Descripción
1
1 Capa de entrada: número X1
de neuronas definido por el
número de datos de cada X2
2

ejemplo de aprendizaje.
. .
2 Capa oculta: número de .
.
.
y

neuronas variables Xi .

3 Capa de salida: número de . (N-j)


.
neuronas definido por los Xn1
. .
resultados requeridos. .
.
4 Función de activación:
N
gausiana.

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Determinación del tamaño de la muestra
Marco teórico Construcción del modelo
Desarrollo de trabajo de tesis Etapa de entrenamiento
Análisis, resultados y contrastación de hipótesis Etapa de validación
Conclusiones y recomendaciones Prueba final

Etapa de entrenamiento

10 0 Train

10 -5
Error cuadrático medio(E)

10 -10

10 -15

10 -20

10 -25

0 100 200 300 400 500 600 700 800 900


Ciclos
UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Determinación del tamaño de la muestra
Marco teórico Construcción del modelo
Desarrollo de trabajo de tesis Etapa de entrenamiento
Análisis, resultados y contrastación de hipótesis Etapa de validación
Conclusiones y recomendaciones Prueba final

Etapa de validación
100
Nivel sonoro esperado
Nivel sonoro obtenido
95

90
Nivel sonoro (dB)

85

80

75

70

65
0 20 40 60 80 100 120 140 160 180
Registros
UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Determinación del tamaño de la muestra
Marco teórico Construcción del modelo
Desarrollo de trabajo de tesis Etapa de entrenamiento
Análisis, resultados y contrastación de hipótesis Etapa de validación
Conclusiones y recomendaciones Prueba final

Prueba final
100
Nivel sonoro esperado
Nivel sonoro obtenido
95

90
Nivel sonoro (dB)

85

80

75

70

65
0 20 40 60 80 100 120 140 160 180
Registros
UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Contenido
1 Generalidades
Identificación del problema de investigación
Antecedentes
Problema de la investigación, objetivos e hipótesis
Variables e indicadores
Datos y escalas de medición
2 Marco teórico
El sonido y la generación del ruido
Redes neuronales artificiales
Modelos de RNA y métodos de aprendizaje
3 Desarrollo de trabajo de tesis
Determinación del tamaño de la muestra
Construcción del modelo
Etapa de entrenamiento
Etapa de validación
Prueba final
4 Análisis, resultados y contrastación de hipótesis
Análisis del modelo AN 4
Resultado de la Investigación
Contrastación de hipótesis
Análisis paramétrico
Análisis no paramétrico
5 Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Limitaciones del modelo AN 4
Implicaciones prácticas
Generalidades Análisis del modelo AN 4
Marco teórico Resultado de la Investigación
Desarrollo de trabajo de tesis Contrastación de hipótesis
Análisis, resultados y contrastación de hipótesis Análisis paramétrico
Conclusiones y recomendaciones Análisis no paramétrico

Análisis del modelo AN 4

Confiabilidad
Objetividad
Coeficiente de
Descripción Ciclos Error C. M.
correlación
Pearson 0.980847305 228 5.26613
Kendall 0.911198579 420 1.8294
Spearman 0.977221228 527 0.820247
862 3.92E-26

100
Nivel sonoro obtenido
95
Validez
90
Nivel sonoro (dB)

85 Descripción Nivel sonoro (bB)


80
máximo 100.42
75
mínimo 66.72
70

65
0 20 40 60 80 100 120 140 160 180
Registros
UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Análisis del modelo AN 4
Marco teórico Resultado de la Investigación
Desarrollo de trabajo de tesis Contrastación de hipótesis
Análisis, resultados y contrastación de hipótesis Análisis paramétrico
Conclusiones y recomendaciones Análisis no paramétrico

Resultado: modelo AN 4

Descripción
1
1 Arquitectura: [05, 862, 01]
X1
neuronas.
2 W(1,1)
2 Función de activación: X2

capa oculta -gausiana. W(2,1)

X3 . y
3 Función de activación: .
.
capa de salida X4
W(i,1)

-transformación lineal. i

4 Parámetros: Centro o X5 . W(862,1)


.
base(m ∗ p), amplitud .
d(m ∗ 1), pesos w(m ∗ r),
862
umbrales U (r ∗ 1)

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Análisis del modelo AN 4
Marco teórico Resultado de la Investigación
Desarrollo de trabajo de tesis Contrastación de hipótesis
Análisis, resultados y contrastación de hipótesis Análisis paramétrico
Conclusiones y recomendaciones Análisis no paramétrico

Constrastación de hipótesis
PRUEBA DE HIPOTESIS

Análisis Paramétrico Análisis no Paramétrico

 La distribución poblacional de la variable  Aceptan distribuciones no


dependiente es normal. normales(distribuciones libres).
 Nivel de medición de las variables por  Nivel de medición devariables
intervalos o razón. aceptado: por intervalos, de
 Cuando dos o más poblaciones son estudiadas razón, datos nominales u
tienen una varianza homogénea. ordinales.

 Coeficiente de correlación de Pearson y  La Chi cuadrada.


Regresión lineal.  Coeficiente de correlación de
 Prueba t. Spearman.
 Prueba de contraste de la diferencia de  Coeficiente de Correlación de
proporciones. Keldall
 Análisis de varianza unidireccional.
 ...

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Análisis del modelo AN 4
Marco teórico Resultado de la Investigación
Desarrollo de trabajo de tesis Contrastación de hipótesis
Análisis, resultados y contrastación de hipótesis Análisis paramétrico
Conclusiones y recomendaciones Análisis no paramétrico

Análisis paramétrico: F(x) normal

0.9
Probabilidad Acumulada (F(X)

0.8

0.7

0.6

0.5

0.4
Auto
0.3 Camión
Camioneta
0.2 Microbús
Mototaxi
0.1

0
0 20 40 60 80 100 120 140 160
Registros
UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Análisis del modelo AN 4
Marco teórico Resultado de la Investigación
Desarrollo de trabajo de tesis Contrastación de hipótesis
Análisis, resultados y contrastación de hipótesis Análisis paramétrico
Conclusiones y recomendaciones Análisis no paramétrico

Análisis paramétrico: F(x) normal

0.9
Probabilidad Acumulada (F(x))

0.8

0.7

0.6

0.5

0.4
Microbús
0.3 Distribución Normal

0.2

0.1

0
0 20 40 60 80 100 120 140 160
Registros
UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Análisis del modelo AN 4
Marco teórico Resultado de la Investigación
Desarrollo de trabajo de tesis Contrastación de hipótesis
Análisis, resultados y contrastación de hipótesis Análisis paramétrico
Conclusiones y recomendaciones Análisis no paramétrico

Análisis paramétrico: F(x) normal

0.03
Camión
Distribución Normal
0.025

0.02
Densidad

0.015

0.01

0.005

0
0 20 40 60 80 100 120 140 160
Registros
UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Análisis del modelo AN 4
Marco teórico Resultado de la Investigación
Desarrollo de trabajo de tesis Contrastación de hipótesis
Análisis, resultados y contrastación de hipótesis Análisis paramétrico
Conclusiones y recomendaciones Análisis no paramétrico

Coeficiente de Pearson

Coeficiente de Pearson 400

350
Variable Variable Coeficiente de
1 2 Pearson 300

Aforo Vehicular
250
Mototaxi Sonido 0.860075
200
Microbús Sonido 0.912628
150
CamionetaSonido 0.82302
Auto Sonido 0.82302 100

Camión Sonido 0.067882 50

Total Sonido 0.99794 0


65 70 75 80 85 90 95 100 105
Nivel Sonoro(dB)

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades Análisis del modelo AN 4
Marco teórico Resultado de la Investigación
Desarrollo de trabajo de tesis Contrastación de hipótesis
Análisis, resultados y contrastación de hipótesis Análisis paramétrico
Conclusiones y recomendaciones Análisis no paramétrico

Análisis no paramétrico

Coeficiente de Coeficiente de
Variable 1 Variable 2 correlación de correlación de
Kendall Spearman
Mototaxi Sonido 0.524305792 0.685221
Microbús Sonido 0.638316755 0.832259
Camioneta Sonido 0.604848434 0.77624
Auto Sonido 0.604848434 0.77624
Camión Sonido 0.18742456 0.08847
Total Sonido 0.960583083 0.996727

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Contenido
1 Generalidades
Identificación del problema de investigación
Antecedentes
Problema de la investigación, objetivos e hipótesis
Variables e indicadores
Datos y escalas de medición
2 Marco teórico
El sonido y la generación del ruido
Redes neuronales artificiales
Modelos de RNA y métodos de aprendizaje
3 Desarrollo de trabajo de tesis
Determinación del tamaño de la muestra
Construcción del modelo
Etapa de entrenamiento
Etapa de validación
Prueba final
4 Análisis, resultados y contrastación de hipótesis
Análisis del modelo AN 4
Resultado de la Investigación
Contrastación de hipótesis
Análisis paramétrico
Análisis no paramétrico
5 Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Limitaciones del modelo AN 4
Implicaciones prácticas
Generalidades
Conclusiones
Marco teórico
Recomendaciones
Desarrollo de trabajo de tesis
Limitaciones del modelo AN 4
Análisis, resultados y contrastación de hipótesis
Implicaciones prácticas
Conclusiones y recomendaciones

Conclusiones
Del Objetivo principal
El modelo metaheurístico AN 4 predice el nivel sonoro por tránsito
vehicular con una confiabilidad de 0,977(Pearson), validez(dominio)
y objetividad 3,92 ∗ 10−26 (E)

De los Objetivos secundarios


1 Las condiciones: topográficas, arquitectónicas . . . de la red vial influyen
pero no determinan la contaminación sonora.
2 Los parámetros: wm∗r , ur , Cp∗m y bm son específicos para el modelo
AN 4
3 En el modelo AN 4 -el Fujo vehicular es determinante para la obtención
del nivel sonoro.
4 El grado de aprendizaje del modelo AN 4 es dependiente de las neuronas
de la capa oculta(862 neuronas).
UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades
Conclusiones
Marco teórico
Recomendaciones
Desarrollo de trabajo de tesis
Limitaciones del modelo AN 4
Análisis, resultados y contrastación de hipótesis
Implicaciones prácticas
Conclusiones y recomendaciones

Recomendaciones

Para su aplicación y generalización del uso del modelo AN 4 es


necesario su calibración con los registros realizados en la zona
de interés.
Es necesario evaluar su nivel predictivo(confiabilidad, validez y
objetividad) en periodos de 5 a 10 años.

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades
Conclusiones
Marco teórico
Recomendaciones
Desarrollo de trabajo de tesis
Limitaciones del modelo AN 4
Análisis, resultados y contrastación de hipótesis
Implicaciones prácticas
Conclusiones y recomendaciones

Limitaciones del modelo AN 4

El modelo AN 4 se basa en registros de datos obtenidos en


redes viales locales de centros urbanos.
La selección de la muestra se realiza para un error máximo
aceptable de 5 % y el nivel deseado de confianza de 95 %.
El modelo AN 4 atribuye el nivel sonoro registrado
(contaminación acústica) solamente al flujo vehicular.
Para su uso extendido, es necesario calibrar el modelo con
registros propios de la zona.

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades
Conclusiones
Marco teórico
Recomendaciones
Desarrollo de trabajo de tesis
Limitaciones del modelo AN 4
Análisis, resultados y contrastación de hipótesis
Implicaciones prácticas
Conclusiones y recomendaciones

¿Para qué sirve el modelo AN 4 ?

Algunas medidas que se pueden tomar con los resultados del


modelo obtenido son:
Regulación del tráfico.
Ordenación del territorio.
Construcción de estructuras de protección contra el ruido.
Medidas o incentivos reglamentarias o económicas.
...

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .
Generalidades
Conclusiones
Marco teórico
Recomendaciones
Desarrollo de trabajo de tesis
Limitaciones del modelo AN 4
Análisis, resultados y contrastación de hipótesis
Implicaciones prácticas
Conclusiones y recomendaciones

Gracias!

UNI, Facultad de Ingeniería Civil, Unidad de Posgrado Redes Neuronales Artificiales de Base Radial Como . . .

Das könnte Ihnen auch gefallen