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...
- 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
- 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)
id |
UISANTADR2_746aa32d8ebb780c0dadbd25d4858f46 |
---|---|
oai_identifier_str |
oai:noesis.uis.edu.co:20.500.14071/14772 |
network_acronym_str |
UISANTADR2 |
network_name_str |
Repositorio UIS |
repository_id_str |
|
dc.title.none.fl_str_mv |
Modelos de Aprendizaje Profundo para la Identificación del Impacto del COVID 19 en la Calidad del Aire en Colombia |
dc.title.english.none.fl_str_mv |
Deep Learning models for identifying the impact of Covid 19 on Air Quality in Colombia |
title |
Modelos de Aprendizaje Profundo para la Identificación del Impacto del COVID 19 en la Calidad del Aire en Colombia |
spellingShingle |
Modelos de Aprendizaje Profundo para la Identificación del Impacto del COVID 19 en la Calidad del Aire en Colombia COVID 19 Calidad del aire Aprendizaje Profundo Redes Neuronales COVID 19 Air Quality Deep Learning Neural Networks |
title_short |
Modelos de Aprendizaje Profundo para la Identificación del Impacto del COVID 19 en la Calidad del Aire en Colombia |
title_full |
Modelos de Aprendizaje Profundo para la Identificación del Impacto del COVID 19 en la Calidad del Aire en Colombia |
title_fullStr |
Modelos de Aprendizaje Profundo para la Identificación del Impacto del COVID 19 en la Calidad del Aire en Colombia |
title_full_unstemmed |
Modelos de Aprendizaje Profundo para la Identificación del Impacto del COVID 19 en la Calidad del Aire en Colombia |
title_sort |
Modelos de Aprendizaje Profundo para la Identificación del Impacto del COVID 19 en la Calidad del Aire en Colombia |
dc.creator.fl_str_mv |
Núñez Silva, Karen Lisbeth Flórez Guerrero, Silvia Juliana |
dc.contributor.advisor.none.fl_str_mv |
Lamos Díaz, Henry |
dc.contributor.author.none.fl_str_mv |
Núñez Silva, Karen Lisbeth Flórez Guerrero, Silvia Juliana |
dc.contributor.evaluator.none.fl_str_mv |
Reyes Rodriguez, Juan Felipe Díaz Jaimes, María del Pilar |
dc.subject.none.fl_str_mv |
COVID 19 Calidad del aire Aprendizaje Profundo Redes Neuronales |
topic |
COVID 19 Calidad del aire Aprendizaje Profundo Redes Neuronales COVID 19 Air Quality Deep Learning Neural Networks |
dc.subject.keyword.none.fl_str_mv |
COVID 19 Air Quality Deep Learning Neural Networks |
description |
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. |
publishDate |
2023 |
dc.date.accessioned.none.fl_str_mv |
2023-08-10T14:10:32Z |
dc.date.available.none.fl_str_mv |
2023-08-10T14:10:32Z |
dc.date.created.none.fl_str_mv |
2023-08-07 |
dc.date.issued.none.fl_str_mv |
2023-08-07 |
dc.type.local.none.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
dc.type.hasversion.none.fl_str_mv |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
format |
http://purl.org/coar/resource_type/c_7a1f |
dc.identifier.uri.none.fl_str_mv |
https://noesis.uis.edu.co/handle/20.500.14071/14772 |
dc.identifier.instname.none.fl_str_mv |
Universidad Industrial de Santander |
dc.identifier.reponame.none.fl_str_mv |
Universidad Industrial de Santander |
dc.identifier.repourl.none.fl_str_mv |
https://noesis.uis.edu.co |
url |
https://noesis.uis.edu.co/handle/20.500.14071/14772 https://noesis.uis.edu.co |
identifier_str_mv |
Universidad Industrial de Santander |
dc.language.iso.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.license.none.fl_str_mv |
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) |
dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.creativecommons.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
rights_invalid_str_mv |
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
eu_rights_str_mv |
openAccess |
dc.format.mimetype.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad Industrial de Santander |
dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeníerias Fisicomecánicas |
dc.publisher.program.none.fl_str_mv |
Ingeniería Industrial |
dc.publisher.school.none.fl_str_mv |
Escuela de Estudios Industriales y Empresariales |
publisher.none.fl_str_mv |
Universidad Industrial de Santander |
institution |
Universidad Industrial de Santander |
bitstream.url.fl_str_mv |
https://noesis.uis.edu.co/bitstreams/fa5b5cb3-c3b5-40e7-9381-869381826bb4/download https://noesis.uis.edu.co/bitstreams/ad3491d9-0dc4-4ed3-99ea-6aec451d3ebf/download https://noesis.uis.edu.co/bitstreams/8fecbab8-78e8-4ce0-9395-c14f4e1bd66b/download https://noesis.uis.edu.co/bitstreams/f107497e-e6bc-4c14-a0c6-03481ae2c47c/download https://noesis.uis.edu.co/bitstreams/9a800fe9-c926-42f3-a79a-e54c90c3329c/download https://noesis.uis.edu.co/bitstreams/6f755b12-41bd-4cd1-9d12-9c720d66d911/download |
bitstream.checksum.fl_str_mv |
67ccea0907877e8730bdcede3480f911 2b96dcdffda1a8136c6a1d0a3dce5ff4 cc74dfd2d9caa00da7af5fc0c5af3606 220b4085e997285e9c1f24e391916b3f ccdb7c2448aeead5c4d82b683ab0c2a0 d6298274a8378d319ac744759540b71b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
DSpace at UIS |
repository.mail.fl_str_mv |
noesis@uis.edu.co |
_version_ |
1831929700320018432 |
spelling |
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Lamos Díaz, HenryNúñez Silva, Karen LisbethFlórez Guerrero, Silvia JulianaReyes Rodriguez, Juan FelipeDíaz Jaimes, María del Pilar2023-08-10T14:10:32Z2023-08-10T14:10:32Z2023-08-072023-08-07https://noesis.uis.edu.co/handle/20.500.14071/14772Universidad Industrial de SantanderUniversidad Industrial de Santanderhttps://noesis.uis.edu.coLa 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.PregradoIngeniero IndustrialAir pollution and its impact on health has been a worldwide problem, exposure to different atmospheric pollutants has caused and causes millions of deaths around the planet, with the arrival of COVID-19 and the confinement measures it brought with it, it would be believed that air quality improved significantly in most regions. This degree project proposes to analyze the indices of Particulate Matter (PM2. 5), Nitrogen Dioxide (NO2) and Tropospheric Ozone (O3) before and during the pandemic for the cities of Cali, Bucaramanga and Bogota, using Deep Learning models to predict their behavior and with the results obtained, the authorities can design action plans to reduce these air pollutants and improve the quality of life, these Deep Learning models were chosen because they have the ability to process large volumes of data and model nonlinear patterns, which makes them more accurate than other statistical methods.application/pdfspaUniversidad Industrial de SantanderFacultad de Ingeníerias FisicomecánicasIngeniería IndustrialEscuela de Estudios Industriales y EmpresarialesCOVID 19Calidad del aireAprendizaje ProfundoRedes NeuronalesCOVID 19Air QualityDeep LearningNeural NetworksModelos de Aprendizaje Profundo para la Identificación del Impacto del COVID 19 en la Calidad del Aire en ColombiaDeep Learning models for identifying the impact of Covid 19 on Air Quality in ColombiaTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/version/c_b1a7d7d4d402bccehttp://purl.org/coar/resource_type/c_7a1fORIGINALCarta Autorización Karen.pdfCarta Autorización Karen.pdfapplication/pdf151816https://noesis.uis.edu.co/bitstreams/fa5b5cb3-c3b5-40e7-9381-869381826bb4/download67ccea0907877e8730bdcede3480f911MD51Carta Autorización Silvia.pdfCarta Autorización Silvia.pdfapplication/pdf205138https://noesis.uis.edu.co/bitstreams/ad3491d9-0dc4-4ed3-99ea-6aec451d3ebf/download2b96dcdffda1a8136c6a1d0a3dce5ff4MD52Nota de proyecto.pdfNota de proyecto.pdfapplication/pdf280025https://noesis.uis.edu.co/bitstreams/8fecbab8-78e8-4ce0-9395-c14f4e1bd66b/downloadcc74dfd2d9caa00da7af5fc0c5af3606MD53Documento.pdfDocumento.pdfapplication/pdf3797021https://noesis.uis.edu.co/bitstreams/f107497e-e6bc-4c14-a0c6-03481ae2c47c/download220b4085e997285e9c1f24e391916b3fMD56Apéndice A.pdfApéndice A.pdfapplication/pdf1355230https://noesis.uis.edu.co/bitstreams/9a800fe9-c926-42f3-a79a-e54c90c3329c/downloadccdb7c2448aeead5c4d82b683ab0c2a0MD57LICENSElicense.txtlicense.txttext/plain; charset=utf-82237https://noesis.uis.edu.co/bitstreams/6f755b12-41bd-4cd1-9d12-9c720d66d911/downloadd6298274a8378d319ac744759540b71bMD5520.500.14071/14772oai:noesis.uis.edu.co:20.500.14071/147722023-08-10 09:10:35.883http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessembargohttps://noesis.uis.edu.coDSpace at UISnoesis@uis.edu.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 |