Line Implementation of a Mobile Application to Control Forest Fires Near Residential Areas Using an Artificial Neural Network
El siguiente artículo expone el diseño y la implementación de una aplicación móvil para detectar y controlar incendios forestales, desarrollada para la plataforma iOS; dónde las áreas forestales aledañas de Bogotá son monitoreadas a través de una serie de condiciones climáticas mediante estaciones m...
- Autores:
-
Ocampo Barbosa, David Alexander
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2018
- Institución:
- Universidad Distrital Francisco José de Caldas
- Repositorio:
- RIUD: repositorio U. Distrital
- Idioma:
- spa
- OAI Identifier:
- oai:repository.udistrital.edu.co:11349/7910
- Acceso en línea:
- http://hdl.handle.net/11349/7910
- Palabra clave:
- Redes neuronales
Aplicación Móvil
Incendio Forestal
Estación Meteorológica
INGENIERÍA DE SISTEMAS - TESIS Y DISERTACIONES ACADÉMICAS
APLICACIONES PARA MÓVILES
PREVENCIÓN DE INCENDIOS FORESTALES - INNOVACIONES TECNOLÓGICAS
REDES NEURALES (COMPUTADORES)
Artifical Neural Network
Mobile Application
Forest Fires
Weather Station
- Rights
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
Summary: | El siguiente artículo expone el diseño y la implementación de una aplicación móvil para detectar y controlar incendios forestales, desarrollada para la plataforma iOS; dónde las áreas forestales aledañas de Bogotá son monitoreadas a través de una serie de condiciones climáticas mediante estaciones meteorológicas, que capturan datos climáticos tales como humedad relativa, temperatura del aire y velocidad del viento junto con su ubicación, enviando dicha información en tiempo real al usuario a través de un servicio API REST. El sistema funciona junto con un sistema artificial red neuronal (ANN) que procesa los datos meteorológicos de la estación y permite determinar la probabilidad de existencia de un incendio forestal, ya que en muchos casos la los sensores pueden detectar falsas alarmas; mejorar la precisión al informar un posible emergencia, teniendo en cuenta que el índice de precisión que mostró la red neuronal artificial es bastante alto (93,67%), lo que reduce los tiempos de reacción y alerta el control organismos de manera oportuna. |
---|