Bibliographic citations
Andia, C., Navarro, N. (2024). Enhancing the composting process of organic waste through machine learning techniques: a comprehensive bibliometric analysis [Universidad de Lima]. https://hdl.handle.net/20.500.12724/21865
Andia, C., Navarro, N. Enhancing the composting process of organic waste through machine learning techniques: a comprehensive bibliometric analysis []. PE: Universidad de Lima; 2024. https://hdl.handle.net/20.500.12724/21865
@misc{renati/1442333,
title = "Enhancing the composting process of organic waste through machine learning techniques: a comprehensive bibliometric analysis",
author = "Navarro Huanca, Nahomi Paola",
publisher = "Universidad de Lima",
year = "2024"
}
Este estudio explora la integración de técnicas de Machine Learning (ML) para mejorar el proceso de compostaje de residuos orgánicos, en medio del creciente desafío global de la gestión de residuos. Un análisis bibliométrico de una década (2013-2022) utilizando la base de datos Scopus examinó la evolución y el impacto de las aplicaciones de Machine Learning en el compostaje. Su análisis identificó importantes contribuciones a la investigación y las tendencias emergentes, destacando el papel fundamental del ML en la optimización de la producción de compost, una solución fundamental para gestionar los crecientes volúmenes de residuos orgánicos generados en todo el mundo. El estudio reveló cómo los modelos de ML, incluidas las redes neuronales artificiales y los algoritmos genéticos, revolucionaron los procesos de compostaje al predecir, mejorar y monitorear varios parámetros de compostaje. Además, el artículo profundizó en la distribución geográfica de los esfuerzos de investigación, destacando el dominio de países como China, India y Estados Unidos en esta área de investigación. A través del análisis de 180 artículos, el estudio no solo trazó el panorama actual del ML en el compostaje, sino que también identificó lagunas y oportunidades para futuras investigaciones. Los resultados defendieron el potencial del ML para mejorar significativamente la eficiencia y eficacia de las operaciones de compostaje, contribuyendo así a prácticas de gestión de residuos más sostenibles. Este trabajo es un recurso fundamental tanto para investigadores como para profesionales, con el objetivo de aprovechar el poder del ML a favor del medio ambiente.
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.