Modelos de Aprendizaje Profundo para la Identificación del Impacto del COVID 19 en la Calidad del Aire en Colombia

La contaminación del aire y su impacto en la salud ha sido una problemática mundial, exponerse a los distintos contaminantes atmosféricos ha causado y causa millones de muertes en todo el planeta, con la llegada del COVID-19 y las medidas de confinamiento que trajo consigo, se creería que la calidad del aire mejoró notablemente en la mayor parte de las regiones. Este proyecto de grado propone analizar los índices de Material Particulado (PM2.5), Dióxido de Nitrógeno (NO2) y Ozono Troposférico (O3) antes y durante la pandemia para las ciudades de Cali, Bucaramanga y Bogotá, utilizando modelos de Aprendizaje Profundo para predecir su comportamiento y que con los resultados obtenidos, las autoridades puedan diseñar planes de acción para disminuir estos contaminantes atmosféricos y mejorar la calidad de vida, se eligieron estos modelos Deep Learning ya que tienen la capacidad de procesar grandes volúmenes de datos y modelar patrones no lineales, lo que los hace más precisos que otros métodos estadísticos.

• Autores: Núñez Silva, Karen Lisbeth; Flórez Guerrero, Silvia Juliana
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad Industrial de Santander
• Repositorio: Repositorio UIS
• Idioma: spa
• OAI Identifier: oai:noesis.uis.edu.co:20.500.14071/14772
• Acceso en línea: https://noesis.uis.edu.co/handle/20.500.14071/14772; https://noesis.uis.edu.co
• Palabra clave: COVID 19; Calidad del aire; Aprendizaje Profundo; Redes Neuronales; COVID 19; Air Quality; Deep Learning; Neural Networks
• Rights: openAccess
• License: Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)