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

Abstract

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, PerúIn 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.