Modelado y optimización de SuDS en la Pontificia Universidad Javeriana Sede Bogotá mediante Machine Learning para la adaptación al cambio climático

Simple item page
dc.contributor.advisorGalarza Molina, Sandra Lorena
dc.contributor.advisorTorres Abello, Andrés Eduardo
dc.contributor.authorRojas Céspedes, Dónoban Steven
dc.date.accessioned2025-10-29T21:17:48Z
dc.date.available2025-10-29T21:17:48Z
dc.date.issued2025
dc.description.abstractEste Proyecto Aplicado se enfocó en el modelado y la optimización de los Sistemas Urbanos de Drenaje Sostenible (SuDS) en la Pontificia Universidad Javeriana de Bogotá mediante técnicas de aprendizaje automático como estrategia de adaptación al cambio climático, un tema de crucial importancia ante los crecientes desafíos que enfrentan sistemas como el Sistema de Humedal Artificial/Tanque de Reservorio (SHATR) para gestionar volúmenes de agua durante eventos de lluvia intensa, en un contexto donde escasean los análisis predictivos que consideren escenarios climáticos extremos. La problemática central abordada fue la necesidad de fortalecer la capacidad de gestión y la resiliencia del SuDS frente a los impactos del cambio climático, para lo cual se estableció como objetivo principal desarrollar e implementar modelos de aprendizaje automático utilizando datos de precipitación y escorrentía, evaluando la efectividad del sistema y mejorando sus estrategias de gestión ante diversos escenarios climáticos. Los resultados más destacados incluyen el desarrollo de un modelo de Regresión por Vectores de Soporte (SVR) optimizado mediante búsqueda bayesiana, que presentó un desempeño predictivo sobresaliente para modelar el nivel de entrada del sistema con un coeficiente de determinación (R²) de 0.9024; además, la aplicación de escenarios de cambio climático construidos a partir de proyecciones del IDEAM reveló variaciones significativas en la frecuencia de eventos críticos y en los niveles promedio del sistema, evidenciando la urgente necesidad de implementar estrategias de adaptación flexibles. Este trabajo demostró la viabilidad de aplicar metodologías de aprendizaje automático, particularmente SVR, para modelar el comportamiento hidrológico del nivel de entrada de los SuDS bajo condiciones actuales y futuras, proporcionando insumos valiosos para el diseño de medidas preventivas y adaptativas. Entre las aplicaciones potenciales de esta investigación se contempla el uso del modelo desarrollado como herramienta para sistemas de alerta temprana y para la gestión operativa de otros sistemas de drenaje urbano vulnerables a los efectos del cambio climático, destacando el potencial del aprendizaje automático como instrumento fundamental para el análisis predictivo y la gestión optimizada de los SuDS frente a las limitaciones de los sistemas de drenaje existentes ante eventos climáticos extremos.spa
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ciencia de Datos
dc.format.extent112 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/5011
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.departmentFacultad de Ingeniería y Ciencias
dc.publisher.programMaestría en Ciencia de Datos
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectSistemas urbanos de drenaje sosteniblespa
dc.subjectAprendizaje automáticospa
dc.subjectCambio climáticospa
dc.subjectPredicciónspa
dc.subjectSustainable urban drainage systemsspa
dc.subjectMachine Learningeng
dc.subjectClimate changeeng
dc.subjectPredictioneng
dc.subjectUrban resilienceeng
dc.subjectResiliencia urbanaeng
dc.titleModelado y optimización de SuDS en la Pontificia Universidad Javeriana Sede Bogotá mediante Machine Learning para la adaptación al cambio climáticospa
dc.typemaster thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
Proyecto de Grado Final - Dónoban Steven Rojas Céspedes,,.pdf
Size:
15.8 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia de Uso - Dónoban Steven Rojas Céspedes,,.pdf
Size:
168.5 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos