Métodos Machine learning aplicados para estimar la concentración de los contaminantes de la DQO y de los SST en hidrosistemas de saneamiento urbano a partir de espectrometría UV-Visible
El presente trabajo tuvo como objetivo desarrollar nuevas metodologías basadas en métodos machine learning, para lo cual se implementaron tres técnicas de inteligencia artificial denominadas: Support Vector Machine (SVM), Redes Neuronales Artificiales (RNA) y algoritmos evolutivos. Éste último fue e...
- Autores:
- Tipo de recurso:
- masterThesis
- Fecha de publicación:
- 2013
- Institución:
- Pontificia Universidad Javeriana
- Repositorio:
- Repositorio Universidad Javeriana
- Idioma:
- spa
- OAI Identifier:
- oai:repository.javeriana.edu.co:10554/3811
- Palabra clave:
- Espectrometría UV-Visible
Máquinas de aprendizaje
Incertidumbre
Datos atípicos
Calidad del agua
UV-Visible spectrometry
Machine learning
Uncertainty
Outliers
Water quality
Calidad del agua
Redes neurales (Computadores)
Maestría en hidrosistemas - Tesis y disertaciones académicas
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
| id |
JAVERIANA_fa2edea2a6b4d7f6caaa0817131de550 |
|---|---|
| oai_identifier_str |
oai:repository.javeriana.edu.co:10554/3811 |
| network_acronym_str |
JAVERIANA |
| network_name_str |
Repositorio Universidad Javeriana |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Métodos Machine learning aplicados para estimar la concentración de los contaminantes de la DQO y de los SST en hidrosistemas de saneamiento urbano a partir de espectrometría UV-Visible |
| title |
Métodos Machine learning aplicados para estimar la concentración de los contaminantes de la DQO y de los SST en hidrosistemas de saneamiento urbano a partir de espectrometría UV-Visible |
| spellingShingle |
Métodos Machine learning aplicados para estimar la concentración de los contaminantes de la DQO y de los SST en hidrosistemas de saneamiento urbano a partir de espectrometría UV-Visible Zamora Ávila, David Andrés Espectrometría UV-Visible Máquinas de aprendizaje Incertidumbre Datos atípicos Calidad del agua UV-Visible spectrometry Machine learning Uncertainty Outliers Water quality Calidad del agua Redes neurales (Computadores) Maestría en hidrosistemas - Tesis y disertaciones académicas |
| title_short |
Métodos Machine learning aplicados para estimar la concentración de los contaminantes de la DQO y de los SST en hidrosistemas de saneamiento urbano a partir de espectrometría UV-Visible |
| title_full |
Métodos Machine learning aplicados para estimar la concentración de los contaminantes de la DQO y de los SST en hidrosistemas de saneamiento urbano a partir de espectrometría UV-Visible |
| title_fullStr |
Métodos Machine learning aplicados para estimar la concentración de los contaminantes de la DQO y de los SST en hidrosistemas de saneamiento urbano a partir de espectrometría UV-Visible |
| title_full_unstemmed |
Métodos Machine learning aplicados para estimar la concentración de los contaminantes de la DQO y de los SST en hidrosistemas de saneamiento urbano a partir de espectrometría UV-Visible |
| title_sort |
Métodos Machine learning aplicados para estimar la concentración de los contaminantes de la DQO y de los SST en hidrosistemas de saneamiento urbano a partir de espectrometría UV-Visible |
| dc.creator.none.fl_str_mv |
Zamora Ávila, David Andrés |
| author |
Zamora Ávila, David Andrés |
| author_facet |
Zamora Ávila, David Andrés |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Torres Abello, Andrés Eduardo |
| dc.subject.none.fl_str_mv |
Espectrometría UV-Visible Máquinas de aprendizaje Incertidumbre Datos atípicos Calidad del agua UV-Visible spectrometry Machine learning Uncertainty Outliers Water quality Calidad del agua Redes neurales (Computadores) Maestría en hidrosistemas - Tesis y disertaciones académicas |
| topic |
Espectrometría UV-Visible Máquinas de aprendizaje Incertidumbre Datos atípicos Calidad del agua UV-Visible spectrometry Machine learning Uncertainty Outliers Water quality Calidad del agua Redes neurales (Computadores) Maestría en hidrosistemas - Tesis y disertaciones académicas |
| description |
El presente trabajo tuvo como objetivo desarrollar nuevas metodologías basadas en métodos machine learning, para lo cual se implementaron tres técnicas de inteligencia artificial denominadas: Support Vector Machine (SVM), Redes Neuronales Artificiales (RNA) y algoritmos evolutivos. Éste último fue empleado para realizar una optimización multiobjetivo de los parámetros SVM y RNA con el fin de estimar concentraciones equivalentes de determinates en continuo asociadas a las aguas de drenaje urbano mediante datos de espectrometría UV-visible in situ. Adicionalmente, para comprender mejor la relación entre el espectro de absorbancias y presencia-magnitud de los determinantes objeto de estudio (SST y DQO (total o filtrada)), se desarrollaron varias metodologías que abarcan los siguientes puntos importantes para consolidar y evaluar un modelo quimiométrico, orientas a: evaluar la incertidumbre de los datos medidos in situ y de ensayos de laboratorio (Ley de la propagación de la incertidumbre y métodos Monte Carlo), establecer la recurrencia y la relevancia de las longitudes de onda del espectro UV-Visible en su relación con la presencia de un determinante, y por último evaluar la calidad y representatividad de un par de datos espectro-concentración (outliers). |
| publishDate |
2013 |
| dc.date.none.fl_str_mv |
2013 2014-01-24T20:47:05Z 2014-10-09T04:23:38Z 2014-01-24T20:47:05Z 2014-10-09T04:23:38Z 2016-01-13T21:01:56Z 2016-01-13T21:01:56Z 2020-04-16T17:45:43Z 2020-04-16T17:45:43Z |
| dc.type.none.fl_str_mv |
http://purl.org/coar/version/c_ab4af688f83e57aa Tesis/Trabajo de grado - Monografía - Maestría http://purl.org/coar/resource_type/c_bdcc info:eu-repo/semantics/masterThesis info:eu-repo/semantics/publishedVersion |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://hdl.handle.net/10554/3811 https://doi.org/10.11144/Javeriana.10554.3811 instname:Pontificia Universidad Javeriana reponame:Repositorio Institucional - Pontificia Universidad Javeriana repourl:https://repository.javeriana.edu.co |
| url |
http://hdl.handle.net/10554/3811 https://doi.org/10.11144/Javeriana.10554.3811 |
| identifier_str_mv |
instname:Pontificia Universidad Javeriana reponame:Repositorio Institucional - Pontificia Universidad Javeriana repourl:https://repository.javeriana.edu.co |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
PDF application/pdf application/pdf |
| dc.publisher.none.fl_str_mv |
Pontificia Universidad Javeriana Maestría en Hidrosistemas Facultad de Ingeniería |
| publisher.none.fl_str_mv |
Pontificia Universidad Javeriana Maestría en Hidrosistemas Facultad de Ingeniería |
| dc.source.none.fl_str_mv |
reponame:Repositorio Universidad Javeriana instname:Pontificia Universidad Javeriana instacron:Pontificia Universidad Javeriana |
| instname_str |
Pontificia Universidad Javeriana |
| instacron_str |
Pontificia Universidad Javeriana |
| institution |
Pontificia Universidad Javeriana |
| reponame_str |
Repositorio Universidad Javeriana |
| collection |
Repositorio Universidad Javeriana |
| _version_ |
1803712799475499008 |
| spelling |
Métodos Machine learning aplicados para estimar la concentración de los contaminantes de la DQO y de los SST en hidrosistemas de saneamiento urbano a partir de espectrometría UV-VisibleZamora Ávila, David AndrésEspectrometría UV-VisibleMáquinas de aprendizajeIncertidumbreDatos atípicosCalidad del aguaUV-Visible spectrometryMachine learningUncertaintyOutliersWater qualityCalidad del aguaRedes neurales (Computadores)Maestría en hidrosistemas - Tesis y disertaciones académicasEl presente trabajo tuvo como objetivo desarrollar nuevas metodologías basadas en métodos machine learning, para lo cual se implementaron tres técnicas de inteligencia artificial denominadas: Support Vector Machine (SVM), Redes Neuronales Artificiales (RNA) y algoritmos evolutivos. Éste último fue empleado para realizar una optimización multiobjetivo de los parámetros SVM y RNA con el fin de estimar concentraciones equivalentes de determinates en continuo asociadas a las aguas de drenaje urbano mediante datos de espectrometría UV-visible in situ. Adicionalmente, para comprender mejor la relación entre el espectro de absorbancias y presencia-magnitud de los determinantes objeto de estudio (SST y DQO (total o filtrada)), se desarrollaron varias metodologías que abarcan los siguientes puntos importantes para consolidar y evaluar un modelo quimiométrico, orientas a: evaluar la incertidumbre de los datos medidos in situ y de ensayos de laboratorio (Ley de la propagación de la incertidumbre y métodos Monte Carlo), establecer la recurrencia y la relevancia de las longitudes de onda del espectro UV-Visible en su relación con la presencia de un determinante, y por último evaluar la calidad y representatividad de un par de datos espectro-concentración (outliers).The knowledge of the pollutant concentration values represents a significant input to the improvement in the management of the urban sanitation systems (USS). Therefore, one of the possible alternatives to reduce the drawbacks mentioned before is the use of installable sensors in situ. These sensors use on line measurement technology such as the UV-Visible spectrometry. Since these sensors do not directly provide values of concentrations of pollutants, must be developing and implement specific methods to assess equivalent concentrations and their uncertainties. Therefore, this study aimed to develop new methodologies based on machine learning methods, which were implemented for three artificial intelligence techniques called: Support Vector Machine (SVM), Artificial Neural Networks (ANN) and evolutionary algorithms.The knowledge of the pollutant concentration values represents a significant input to the improvement in the management of the urban sanitation systems (USS). Therefore, one of the possible alternatives to reduce the drawbacks mentioned before is the use of installable sensors in situ. These sensors use on line measurement technology such as the UV-Visible spectrometry. Since these sensors do not directly provide values of concentrations of pollutants, must be developing and implement specific methods to assess equivalent concentrations and their uncertainties. Therefore, this study aimed to develop new methodologies based on machine learning methods, which were implemented for three artificial intelligence techniques called: Support Vector Machine (SVM), Artificial Neural Networks (ANN) and evolutionary algorithms.Magíster en HidrosistemasMaestríaPontificia Universidad JaverianaMaestría en HidrosistemasFacultad de IngenieríaTorres Abello, Andrés Eduardo2014-01-24T20:47:05Z2014-10-09T04:23:38Z2016-01-13T21:01:56Z2020-04-16T17:45:43Z2014-01-24T20:47:05Z2014-10-09T04:23:38Z2016-01-13T21:01:56Z2020-04-16T17:45:43Z2013http://purl.org/coar/version/c_ab4af688f83e57aaTesis/Trabajo de grado - Monografía - Maestríahttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionPDFapplication/pdfapplication/pdfhttp://hdl.handle.net/10554/3811https://doi.org/10.11144/Javeriana.10554.3811instname:Pontificia Universidad Javerianareponame:Repositorio Institucional - Pontificia Universidad Javerianarepourl:https://repository.javeriana.edu.cospaAtribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessDe acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, “Los derechos morales sobre el trabajo son propiedad de los autores”, los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.http://purl.org/coar/access_right/c_abf2reponame:Repositorio Universidad Javerianainstname:Pontificia Universidad Javerianainstacron:Pontificia Universidad Javeriana2022-04-29T19:18:31Z |