Services on Demand
Journal
Article
Indicators
Cited by SciELO
Access statistics
Related links
Cited by Google
Similars in SciELO
Similars in Google
Share
Revista Facultad de Ingeniería Universidad de Antioquia
Print version ISSN 0120-6230On-line version ISSN 2357-53280
Abstract
CAMERO, Andrés; TOUTOUH, Jamal; FERRER, Javier and ALBA, Enrique. Predicción de la Producción de Residuos con incertidumbre en la Ciudad inteligente mediante neuroevolución profunda. Rev.fac.ing.univ. Antioquia [online]. 2019, n.93, pp.128-138. ISSN 0120-6230. https://doi.org/10.17533/udea.redin.20190736.
El desarrollo insostenible de los países ha creado un problema debido a la imparable generación de residuos. Más aún, la recogida de residuos se realiza siguiendo una ruta predefinida que no tiene en cuenta el nivel real de los contenedores recogidos. Por lo tanto, optimizar la forma en que se recolectan los residuos presenta una oportunidad interesante. En este estudio, abordamos el problema de predecir la tasa de generación de residuos en condiciones reales, es decir, bajo incertidumbre. En particular, utilizamos una técnica neuroevolutiva profunda para diseñar automáticamente una red recurrente que encapsula el nivel de llenado de todos los contenedores de residuos en una ciudad a la vez, y estudiamos la idoneidad de nuestra propuesta cuando nos enfrentamos a datos ruidosos y defectuosos. Validamos nuestra propuesta utilizando un caso real, que consta de más de doscientos contenedores de residuos ubicados en una ciudad de España, y comparamos nuestros resultados con el estado del arte. Los resultados muestran que nuestra propuesta supera a todos sus competidores y que su precisión en un escenario del mundo real, es decir, bajo datos inciertos, es lo suficientemente buena para optimizar la planificación de la recolección de residuos.
Keywords : Neuroevolución profunda; aprendizaje profundo; algoritmos evolutivos; ciudad inteligente; gestión de residuos.