Modelos matemáticos para predicción del ruido ambiental urbano: revisión crítica 2020-2025

• Autores: Luis Antonio Flores Flores, Jorge Armando Vásquez Pinedo, Fernando Javier Salas Barrera, Karenth Elena Ramírez Álvarez, Miguel Angel Flores Flores
• Localización: Alfa: Revista de Investigación Ciencias Agronómicas y Veterinarias, ISSN 2664-0902, Vol. 9, Nº. 27, 2025, págs. 59-67
• Idioma: español
• Títulos paralelos:
  • Modelos matemáticos para predição de ruído ambiental urbano: revisão crítica 2020-2025
  • Mathematical models for urban environmental noise prediction: critical review 2020-2025
• Enlaces
  • Texto completo
• Resumen
  • español

    RESUMEN En los últimos años, el uso de modelos predictivos del ruido ambiental urbano ha adquirido relevancia como herramienta de apoyo a la gestión urbana sostenible. Esta revisión sistemática de 50 estudios publicados entre 2020 y 2025 revela un avance significativo en el desarrollo y aplicación de modelos matemáticos, estadísticos y computacionales para estimar niveles de ruido en entornos urbanos. Los enfoques más frecuentes incluyen modelos de regresión lineal múltiple, análisis geoestadístico, redes neuronales artificiales, máquinas de soporte vectorial y redes de memoria a largo plazo. La integración con Sistemas de Información Geográfica y plataformas móviles ha permitido mejorar la resolución espacial y la accesibilidad de los datos. Las variables más utilizadas abarcan el volumen vehicular, la densidad edificatoria, las condiciones meteorológicas y la hora del día. Los modelos más precisos alcanzaron coeficientes de determinación superiores a R² = 0.90, demostrando su potencial en la planificación del territorio, zonificación acústica y monitoreo ambiental. Pese a estos avances, persisten desafíos como la falta de datos en tiempo real, la escasa participación comunitaria y la limitada aplicación en ciudades intermedias de América Latina. Esta revisión proporciona una base sólida para el desarrollo de herramientas predictivas aplicables a contextos como Iquitos, Perú

  • português

    RESUMO Nos últimos anos, o uso de modelos preditivos de ruído ambiental urbano ganhou relevância como ferramenta de apoio à gestão urbana sustentável. Esta revisão sistemática de 50 estudos publicados entre 2020 e 2025 revela progresso significativo no desenvolvimento e aplicação de modelos matemáticos, estatísticos e computacionais para estimar níveis de ruído em ambientes urbanos. As abordagens mais frequentes incluem modelos de regressão linear múltipla, análise geoestatística, redes neurais artificiais, máquinas de vetores de suporte e redes de memória de longo prazo. A integração com Sistemas de Informação Geográfica e plataformas móveis melhorou a resolução espacial e a acessibilidade dos dados. As variáveis mais utilizadas incluem volume veicular, densidade de construção, condições meteorológicas e hora do dia. Os modelos mais precisos alcançaram coeficientes de determinação superiores a R² = 0,90, demonstrando seu potencial no planejamento territorial, zoneamento acústico e monitoramento ambiental. Apesar desses avanços, persistem desafios como falta de dados em tempo real, participação comunitária limitada e aplicação limitada em cidades intermediárias da América Latina. Esta revisão fornece uma base sólida para o desenvolvimento de ferramentas preditivas aplicáveis a contextos como Iquitos, Peru.

  • English

    ABSTRACT In recent years, the use of predictive models for urban environmental noise has gained relevance as a tool to support sustainable urban management. This systematic review of 50 studies published between 2020 and 2025 reveals significant progress in the development and application of mathematical, statistical and computational models to estimate noise levels in urban environments. The most frequent approaches include multiple linear regression models, geostatistical analysis, artificial neural networks, support vector machines and long short-term memory networks. Integration with Geographic Information Systems and mobile platforms has improved spatial resolution and data accessibility. The most used variables include vehicular volume, building density, meteorological conditions and time of day. The most accurate models achieved determination coefficients greater than R² = 0.90, demonstrating their potential in territorial planning, acoustic zoning and environmental monitoring. Despite these advances, challenges persist such as lack of real-time data, limited community participation and limited application in intermediate cities in Latin America. This review provides a solid foundation for developing predictive tools applicable to contexts such as Iquitos, Peru.