Aprendizaje automático para la identificación mineralógica de material particulado - Bogotá, Cali y Valle de Aburrá (Colombia)
Identificar los componentes minerales presentes en el material particulado puede ser de gran ayuda para comprender la dinámica de la polución aérea; sobre todo para detectar la presencia de minerales peligrosos por inhalación (como los asbestos). En este trabajo se desarrolla una metodología para el...
- Autores:
-
Gutiérrez Silva, Juan Alberto
- Tipo de recurso:
- Fecha de publicación:
- 2023
- Institución:
- Universidad EAFIT
- Repositorio:
- Repositorio EAFIT
- Idioma:
- spa
- OAI Identifier:
- oai:repository.eafit.edu.co:10784/33458
- Acceso en línea:
- https://hdl.handle.net/10784/33458
- Palabra clave:
- Polución atmosférica
Caracterización química
Algoritmos de agrupamiento
SALUD AMBIENTAL
CONTAMINACIÓN DEL AIRE
PARTÍCULAS ORGÁNICAS
PARTÍCULAS INORGÁNICAS
Atmospheric pollution
SEM-EDX
DBSCAN
Chemical characterization
Clustering algorithms
- Rights
- License
- Todos los derechos reservados
id |
REPOEAFIT2_e209b689b0cd5e8a845364a46bef62ac |
---|---|
oai_identifier_str |
oai:repository.eafit.edu.co:10784/33458 |
network_acronym_str |
REPOEAFIT2 |
network_name_str |
Repositorio EAFIT |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Aprendizaje automático para la identificación mineralógica de material particulado - Bogotá, Cali y Valle de Aburrá (Colombia) |
title |
Aprendizaje automático para la identificación mineralógica de material particulado - Bogotá, Cali y Valle de Aburrá (Colombia) |
spellingShingle |
Aprendizaje automático para la identificación mineralógica de material particulado - Bogotá, Cali y Valle de Aburrá (Colombia) Polución atmosférica Caracterización química Algoritmos de agrupamiento SALUD AMBIENTAL CONTAMINACIÓN DEL AIRE PARTÍCULAS ORGÁNICAS PARTÍCULAS INORGÁNICAS Atmospheric pollution SEM-EDX DBSCAN Chemical characterization Clustering algorithms |
title_short |
Aprendizaje automático para la identificación mineralógica de material particulado - Bogotá, Cali y Valle de Aburrá (Colombia) |
title_full |
Aprendizaje automático para la identificación mineralógica de material particulado - Bogotá, Cali y Valle de Aburrá (Colombia) |
title_fullStr |
Aprendizaje automático para la identificación mineralógica de material particulado - Bogotá, Cali y Valle de Aburrá (Colombia) |
title_full_unstemmed |
Aprendizaje automático para la identificación mineralógica de material particulado - Bogotá, Cali y Valle de Aburrá (Colombia) |
title_sort |
Aprendizaje automático para la identificación mineralógica de material particulado - Bogotá, Cali y Valle de Aburrá (Colombia) |
dc.creator.fl_str_mv |
Gutiérrez Silva, Juan Alberto |
dc.contributor.advisor.spa.fl_str_mv |
Duque Trujillo, José Fernando |
dc.contributor.author.none.fl_str_mv |
Gutiérrez Silva, Juan Alberto |
dc.subject.none.fl_str_mv |
Polución atmosférica Caracterización química Algoritmos de agrupamiento |
topic |
Polución atmosférica Caracterización química Algoritmos de agrupamiento SALUD AMBIENTAL CONTAMINACIÓN DEL AIRE PARTÍCULAS ORGÁNICAS PARTÍCULAS INORGÁNICAS Atmospheric pollution SEM-EDX DBSCAN Chemical characterization Clustering algorithms |
dc.subject.lemb.none.fl_str_mv |
SALUD AMBIENTAL CONTAMINACIÓN DEL AIRE PARTÍCULAS ORGÁNICAS PARTÍCULAS INORGÁNICAS |
dc.subject.keyword.spa.fl_str_mv |
Atmospheric pollution SEM-EDX DBSCAN Chemical characterization Clustering algorithms |
description |
Identificar los componentes minerales presentes en el material particulado puede ser de gran ayuda para comprender la dinámica de la polución aérea; sobre todo para detectar la presencia de minerales peligrosos por inhalación (como los asbestos). En este trabajo se desarrolla una metodología para el agrupamiento de datos químicos obtenidos a través de microscopía electrónica de barrido con espectroscopía de energía dispersiva (SEM-EDX) en muestreos ubicados en Bogotá, Cali y Valle de Aburrá (Colombia). Rausch et al. (2022) y Avellaneda et al. (2020) desarrollan y aplican una metodología basada en algoritmos de bosques aleatorios que permite separar categorías de partículas, entre ellas minerales. En este trabajo se desarrolla un algoritmo generalizado basado en DBSCAN como complemento. Que permitió analizar un conjunto de 3716 muestras previamente clasificadas como "mineral”. Los resultados revelan la presencia de al menos 15 minerales distintos. A pesar de una efectividad de clasificación relativamente baja (~20%), este trabajo representa un avance significativo en esta área, pues los precedentes son pocos o inexistentes para este tipo de aplicaciones. Es notable, también, que se detectó la presencia de Serpentina (variedad Antigorita) en Medellín. Las conclusiones de este estudio revelan que la mayoría de las partículas corresponden a cuarzo, calcita, caolinita y plagioclasas. A pesar de las limitaciones, el algoritmo demuestra su eficacia para la identificación de minerales. No obstante, se reconocen posibles mejoras que podrían aumentar su precisión. En conjunto, este estudio establece un punto de partida para futuros análisis de caracterización química del material particulado. |
publishDate |
2023 |
dc.date.issued.none.fl_str_mv |
2023 |
dc.date.available.none.fl_str_mv |
2024-02-19T23:49:13Z |
dc.date.accessioned.none.fl_str_mv |
2024-02-19T23:49:13Z |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.eng.fl_str_mv |
bachelorThesis |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.local.spa.fl_str_mv |
Trabajo de grado |
dc.type.hasVersion.eng.fl_str_mv |
acceptedVersion |
dc.type.spa.spa.fl_str_mv |
Artículo |
dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10784/33458 |
dc.identifier.ddc.none.fl_str_mv |
628.53 G984 |
url |
https://hdl.handle.net/10784/33458 |
identifier_str_mv |
628.53 G984 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.spa.fl_str_mv |
Todos los derechos reservados |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.local.spa.fl_str_mv |
Acceso abierto |
rights_invalid_str_mv |
Todos los derechos reservados Acceso abierto http://purl.org/coar/access_right/c_abf2 |
dc.coverage.spatial.none.fl_str_mv |
Medellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees |
dc.publisher.none.fl_str_mv |
Universidad EAFIT |
dc.publisher.program.spa.fl_str_mv |
Geología |
dc.publisher.department.spa.fl_str_mv |
Escuela de Ciencias Aplicadas e Ingeniería. Departamento de Ciencias de la Tierra |
dc.publisher.place.spa.fl_str_mv |
Medellín |
publisher.none.fl_str_mv |
Universidad EAFIT |
institution |
Universidad EAFIT |
bitstream.url.fl_str_mv |
https://repository.eafit.edu.co/bitstreams/93f5fee9-7657-48b6-906a-2a30d8b1f564/download https://repository.eafit.edu.co/bitstreams/39f4c6e7-8a68-4706-84ec-7631f523aa00/download https://repository.eafit.edu.co/bitstreams/dcca102c-3482-4ff9-b347-2ce00e34450a/download https://repository.eafit.edu.co/bitstreams/f91ed761-0fdc-44b0-8bfa-f0929d2956b3/download |
bitstream.checksum.fl_str_mv |
76025f86b095439b7ac65b367055d40c a577bb45d675638ac02e60cb7c341cad d1d665acddd9623ca18687b33eb9839c 1cb37311e5f1c7e26ccc40fd279eaa5d |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad EAFIT |
repository.mail.fl_str_mv |
repositorio@eafit.edu.co |
_version_ |
1814110112187416576 |
spelling |
Duque Trujillo, José FernandoGutiérrez Silva, Juan AlbertoGeólogo(a)Minciencias Colombiajagutierrs@eafit.edu.coMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees2024-02-19T23:49:13Z20232024-02-19T23:49:13Zhttps://hdl.handle.net/10784/33458628.53 G984Identificar los componentes minerales presentes en el material particulado puede ser de gran ayuda para comprender la dinámica de la polución aérea; sobre todo para detectar la presencia de minerales peligrosos por inhalación (como los asbestos). En este trabajo se desarrolla una metodología para el agrupamiento de datos químicos obtenidos a través de microscopía electrónica de barrido con espectroscopía de energía dispersiva (SEM-EDX) en muestreos ubicados en Bogotá, Cali y Valle de Aburrá (Colombia). Rausch et al. (2022) y Avellaneda et al. (2020) desarrollan y aplican una metodología basada en algoritmos de bosques aleatorios que permite separar categorías de partículas, entre ellas minerales. En este trabajo se desarrolla un algoritmo generalizado basado en DBSCAN como complemento. Que permitió analizar un conjunto de 3716 muestras previamente clasificadas como "mineral”. Los resultados revelan la presencia de al menos 15 minerales distintos. A pesar de una efectividad de clasificación relativamente baja (~20%), este trabajo representa un avance significativo en esta área, pues los precedentes son pocos o inexistentes para este tipo de aplicaciones. Es notable, también, que se detectó la presencia de Serpentina (variedad Antigorita) en Medellín. Las conclusiones de este estudio revelan que la mayoría de las partículas corresponden a cuarzo, calcita, caolinita y plagioclasas. A pesar de las limitaciones, el algoritmo demuestra su eficacia para la identificación de minerales. No obstante, se reconocen posibles mejoras que podrían aumentar su precisión. En conjunto, este estudio establece un punto de partida para futuros análisis de caracterización química del material particulado.Identifying the mineral components present in particulate matter can be of great help to understand the dynamics of air pollution, especially to detect the presence of minerals that are dangerous for inhalation (such as asbestos). In this work is developed a methodology for the clustering of chemical data obtained through scanning electron microscopy with energy dispersive spectroscopy (SEM-EDX) in samples located in Bogota, Cali and Valle de Aburrá (Colombia). Rausch et al. (2022) and Avellaneda et al. (2020) develop and apply a methodology based on random forest algorithms to separate categories of particles, including minerals. In this work, a generalized algorithm based on DBSCAN is proposed as a complement. It allowed to analyze a set of 3716 samples previously classified as "mineral". The results reveal the presence of at least 15 different minerals. Despite a relatively low classification effectiveness (~20%), this work represents a significant advance in this area, as precedents are few or non-existent for this type of application. It is notable, also, that the presence of Serpentine (Antigorite variety) was detected in Medellín. The findings of this study reveal that most of the particles correspond to quartz, calcite, kaolinite and plagioclase. Despite the limitations, the algorithm demonstrates its effectiveness in mineral identification. However, improvements that could increase its accuracy are recognized. Overall, this study establishes a starting point for future chemical characterization analyses of particulate matter.spaUniversidad EAFITGeologíaEscuela de Ciencias Aplicadas e Ingeniería. Departamento de Ciencias de la TierraMedellínTodos los derechos reservadosAcceso abiertohttp://purl.org/coar/access_right/c_abf2Polución atmosféricaCaracterización químicaAlgoritmos de agrupamientoSALUD AMBIENTALCONTAMINACIÓN DEL AIREPARTÍCULAS ORGÁNICASPARTÍCULAS INORGÁNICASAtmospheric pollutionSEM-EDXDBSCANChemical characterizationClustering algorithmsAprendizaje automático para la identificación mineralógica de material particulado - Bogotá, Cali y Valle de Aburrá (Colombia)info:eu-repo/semantics/bachelorThesisbachelorThesisTrabajo de gradoacceptedVersionArtículohttp://purl.org/coar/resource_type/c_7a1fLICENSElicense.txtlicense.txttext/plain; charset=utf-82556https://repository.eafit.edu.co/bitstreams/93f5fee9-7657-48b6-906a-2a30d8b1f564/download76025f86b095439b7ac65b367055d40cMD51ORIGINALJuanAlberto_GutierrezSilva_2023.pdfJuanAlberto_GutierrezSilva_2023.pdfTrabajo de gradoapplication/pdf5402843https://repository.eafit.edu.co/bitstreams/39f4c6e7-8a68-4706-84ec-7631f523aa00/downloada577bb45d675638ac02e60cb7c341cadMD52carta_aprobacion_trabajo_grado_eafit.pdfcarta_aprobacion_trabajo_grado_eafit.pdfCarta de aprobación de tesis de gradoapplication/pdf124110https://repository.eafit.edu.co/bitstreams/dcca102c-3482-4ff9-b347-2ce00e34450a/downloadd1d665acddd9623ca18687b33eb9839cMD53formulario_autorizacion_publicacion_obras.pdfformulario_autorizacion_publicacion_obras.pdfFormulario de autorización de publicación de obrasapplication/pdf470647https://repository.eafit.edu.co/bitstreams/f91ed761-0fdc-44b0-8bfa-f0929d2956b3/download1cb37311e5f1c7e26ccc40fd279eaa5dMD5410784/33458oai:repository.eafit.edu.co:10784/334582024-02-19 18:49:13.697open.accesshttps://repository.eafit.edu.coRepositorio Institucional Universidad EAFITrepositorio@eafit.edu.co |