Enfoque Híbrido Basado en Redes Neuronales para la Estimación de Niveles Sonoros bajo Condiciones Meteorológicas Variables

Resumen

Se presenta una metodología híbrida que combina redes neuronales artificiales con el modelo semiempírico de propagación acústica de la norma ISO 9613-2, con el objetivo de estimar el nivel sonoro en un receptor considerando la influencia de variables meteorológicas locales. Se distinguen dos escenarios: en calma (sin viento), donde el modelo ISO se utiliza como referencia, y con viento, donde se emplean mediciones reales. La red se entrena mediante una función de pérdida mixta que combina el ajuste de mediciones con viento y un término que penaliza las desviaciones respecto de la estructura del modelo de referencia. Además, se incorporan condiciones funcionales sobre la dependencia con el viento para valores extremos de velocidad, adoptando una forma similar a una sigmoide según lo reportado en la bibliografía. El enfoque permite balancear el poder predictivo de los modelos basados en datos experimentales con una estructura de referencia guiada por principios físicos, generando un modelo sustituto regularizado con menor dependencia de grandes volúmenes de datos.