Predicción de la generación municipal de residuos orgánicos : una aproximación desde el aprendizaje de máquinas

Vista sencilla de ítem
dc.contributor.advisorAlmonacid Hurtado, Paula Maríaspa
dc.contributor.authorOrrego Henao, Juan Luis
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Ciencias de Datos y Analíticaspa
dc.creator.emailjlorregoh@eafit.edu.cospa
dc.date.accessioned2023-03-06T16:34:23Z
dc.date.available2023-03-06T16:34:23Z
dc.date.issued2022
dc.descriptionUna de las grandes problemáticas que tiene cualquier ciudad en el mundo es la disposición y el tratamiento de los residuos generados por los hogares, comercios e industrias, y más aún cuando hay diferentes iniciativas a nivel mundial y Objetivos de Desarrollo Sostenible encaminadas a la protección del medio ambiente. El reto en torno a este tema es lograr que los diferentes usuarios del sistema separen adecuadamente los residuos inservibles, reciclables y orgánicos. Sin embargo, una vez logrado esto se tiene que buscar la disposición y el tratamiento independiente de estos tres. Alrededor del mundo se han desarrollado diferentes estrategias entorno al tratamiento del material reciclable y el uso de rellenos sanitarios para la disposición final de los residuos inservibles, pero aún son pocas las entidades territoriales que tienen un progreso significativo en el tratamiento de los residuos orgánicos. En la mayoría de los casos, estos últimos terminan en los rellenos sanitarios junto con todo el material inservible, generando una serie de líquidos lixiviados los cuales son sumamente nocivos para el medio ambiente, en especial para las fuentes hídricas. En este proyecto se utilizan técnicas de aprendizaje de máquinas para modelar y predecir la generación municipal de residuos orgánicos, que será la materia prima de una planta de residuos orgánicos. Al ser este un servicio público y operar con recursos públicos tiene la obligación de ser lo más eficiente posible, de tal manera que los recursos que se utilicen en la planta para tratar los residuos orgánicos, como mano de obra u otros insumos químicos u orgánicos, no sean excesivos y se malgaste el presupuesto; o por el contrario sean pocos y no se tenga la capacidad de tratar el 100% de los residuos orgánicos, y que estos terminen en el relleno sanitario generando un sinnúmero de complicaciones. El modelado y predicción de la generación de residuos orgánicos brinda información que permita la operación eficiente de una planta de este tipo. Como resultados, se analizaron las métricas de modelos lineales y no lineales, univariados y multivariados, donde el mejor ajuste lo logró el Modelo autorregresivo integrado de media móvil (ARIMA).spa
dc.identifier.ddc658.567 O758
dc.identifier.urihttp://hdl.handle.net/10784/32212
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Administraciónspa
dc.publisher.placeMedellínspa
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.localAcceso abiertospa
dc.subjectResiduos sólidos urbanosspa
dc.subjectDepósito de basuraspa
dc.subjectRelleno sanitariospa
dc.subjectAprendizaje automáticospa
dc.subject.keywordOrganic Wastespa
dc.subject.keywordMunicipal Solid Wastespa
dc.subject.keywordWaste Disposalspa
dc.subject.keywordLandfillspa
dc.subject.keywordMachine Learningspa
dc.subject.lembAPRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)spa
dc.subject.lembRESIDUOS ORGÁNICOSspa
dc.subject.lembCONTAMINACIÓN DEL AGUA POR SUSTANCIAS ORGÁNICASspa
dc.subject.lembRESIDUOS SÓLIDOSspa
dc.titlePredicción de la generación municipal de residuos orgánicos : una aproximación desde el aprendizaje de máquinasspa
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaInformespa

Archivos

Bloque original
Mostrando 1 - 5 de 5
No hay miniatura disponible
Nombre:
Predicción de la generación municipal de residuos orgánicos Una aproximación desde el aprendizaje de máquinas.pdf
Tamaño:
2.65 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
No hay miniatura disponible
Nombre:
Jupyter Notebook2.pdf
Tamaño:
9.19 MB
Formato:
Adobe Portable Document Format
Descripción:
Jupyter Notebook PDF
Descargar
No hay miniatura disponible
Nombre:
Predicción de la generación municipal de residuos orgánicos Una aproximación desde el aprendizaje de máquinas.ipynb
Tamaño:
7.62 MB
Formato:
Unknown data format
Descripción:
Jupyter Notebook
Descargar
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit Juan Luis 8nov2022.pdf
Tamaño:
140.81 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación
Descargar
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
490.33 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario Autorización Publicación
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencias de los Datos y Analítica (tesis)