Análisis de correlación en sistemas de vigilancia de calidad del aire con eventos socio económicos y/o culturales que afectan la calidad del aire en zonas urbanas de Bucaramanga utilizando técnicas computacionales para la extracción, comprensión y evaluación de datos publicados en Internet

El Índice de Calidad del Aire es una variable que permite reportar el estado de la calidad del aire en función de un código de colores que tienen asociadas recomendaciones generales para reducir la exposición de la población a altas concentraciones de contaminantes, se divide en seis categorías que...

Full description

Autores:
Naranjo Reyes, Kevin Alejandro
Tipo de recurso:
http://purl.org/coar/resource_type/c_f744
Fecha de publicación:
2020
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/22732
Acceso en línea:
http://hdl.handle.net/20.500.12749/22732
Palabra clave:
Analysis of data
Artificial intelligence
Correlation
Investigation
Classification
Extraction
Statistics and machine learning
Deep learning
Análisis de datos
Inteligencia artificial
Correlación
Investigación
Clasificación
Extracción
Estadística y machine learning
Deep learning
Rights
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
id UNAB2_11afe79f874e89273387a8da79ea7e04
oai_identifier_str oai:repository.unab.edu.co:20.500.12749/22732
network_acronym_str UNAB2
network_name_str Repositorio UNAB
repository_id_str
dc.title.spa.fl_str_mv Análisis de correlación en sistemas de vigilancia de calidad del aire con eventos socio económicos y/o culturales que afectan la calidad del aire en zonas urbanas de Bucaramanga utilizando técnicas computacionales para la extracción, comprensión y evaluación de datos publicados en Internet
dc.title.translated.spa.fl_str_mv Correlation analysis in surveillance systems air quality with socioeconomic events and/or cultural factors that affect air quality in urban areas of Bucaramanga using computational techniques for data extraction, understanding and evaluation published on the Internet
title Análisis de correlación en sistemas de vigilancia de calidad del aire con eventos socio económicos y/o culturales que afectan la calidad del aire en zonas urbanas de Bucaramanga utilizando técnicas computacionales para la extracción, comprensión y evaluación de datos publicados en Internet
spellingShingle Análisis de correlación en sistemas de vigilancia de calidad del aire con eventos socio económicos y/o culturales que afectan la calidad del aire en zonas urbanas de Bucaramanga utilizando técnicas computacionales para la extracción, comprensión y evaluación de datos publicados en Internet
Analysis of data
Artificial intelligence
Correlation
Investigation
Classification
Extraction
Statistics and machine learning
Deep learning
Análisis de datos
Inteligencia artificial
Correlación
Investigación
Clasificación
Extracción
Estadística y machine learning
Deep learning
title_short Análisis de correlación en sistemas de vigilancia de calidad del aire con eventos socio económicos y/o culturales que afectan la calidad del aire en zonas urbanas de Bucaramanga utilizando técnicas computacionales para la extracción, comprensión y evaluación de datos publicados en Internet
title_full Análisis de correlación en sistemas de vigilancia de calidad del aire con eventos socio económicos y/o culturales que afectan la calidad del aire en zonas urbanas de Bucaramanga utilizando técnicas computacionales para la extracción, comprensión y evaluación de datos publicados en Internet
title_fullStr Análisis de correlación en sistemas de vigilancia de calidad del aire con eventos socio económicos y/o culturales que afectan la calidad del aire en zonas urbanas de Bucaramanga utilizando técnicas computacionales para la extracción, comprensión y evaluación de datos publicados en Internet
title_full_unstemmed Análisis de correlación en sistemas de vigilancia de calidad del aire con eventos socio económicos y/o culturales que afectan la calidad del aire en zonas urbanas de Bucaramanga utilizando técnicas computacionales para la extracción, comprensión y evaluación de datos publicados en Internet
title_sort Análisis de correlación en sistemas de vigilancia de calidad del aire con eventos socio económicos y/o culturales que afectan la calidad del aire en zonas urbanas de Bucaramanga utilizando técnicas computacionales para la extracción, comprensión y evaluación de datos publicados en Internet
dc.creator.fl_str_mv Naranjo Reyes, Kevin Alejandro
dc.contributor.author.none.fl_str_mv Naranjo Reyes, Kevin Alejandro
dc.contributor.researchgroup.spa.fl_str_mv Semilleros de Investigación UNAB
dc.subject.keywords.spa.fl_str_mv Analysis of data
Artificial intelligence
Correlation
Investigation
Classification
Extraction
Statistics and machine learning
Deep learning
topic Analysis of data
Artificial intelligence
Correlation
Investigation
Classification
Extraction
Statistics and machine learning
Deep learning
Análisis de datos
Inteligencia artificial
Correlación
Investigación
Clasificación
Extracción
Estadística y machine learning
Deep learning
dc.subject.lemb.spa.fl_str_mv Análisis de datos
Inteligencia artificial
Correlación
Investigación
dc.subject.proposal.spa.fl_str_mv Clasificación
Extracción
Estadística y machine learning
Deep learning
description El Índice de Calidad del Aire es una variable que permite reportar el estado de la calidad del aire en función de un código de colores que tienen asociadas recomendaciones generales para reducir la exposición de la población a altas concentraciones de contaminantes, se divide en seis categorías que son indicativas y cuyo propósito principal es comunicar de una manera fácil y eficaz a la población sobre los efectos del estado de la calidad del aire en su salud. El índice se centra en los efectos sobre la salud que puede experimentar la población en pocas horas o días, los cuales son más relevantes en grupos sensibles entre los que se encuentran los niños y los adultos mayores. Pero, ¿cómo relacionar esta clasificación que otorga el ICA con eventos que pasan en la ciudad?, cada evento, marcha, mal parqueo en las vías, operaciones en empresas entre otros factores son variables que afectan este índice. La contaminación del aire es un problema actualmente y se prevé que en el futuro el problema pueda empeorar, necesitamos identificar cuáles son los factores que nos afectan más para poder abordar soluciones optimizadas en función del costo beneficio, el identificar las variables más significativas en la calidad del aire usando análisis de datos con técnicas de inteligencia artificial podrían ser una solución para poder tener una magnitud estadística de cuáles son las variables más significativas
publishDate 2020
dc.date.issued.none.fl_str_mv 2020-11
dc.date.accessioned.none.fl_str_mv 2023-11-12T18:22:08Z
dc.date.available.none.fl_str_mv 2023-11-12T18:22:08Z
dc.type.eng.fl_str_mv Conference
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/conferenceProceedings
dc.type.local.spa.fl_str_mv Memoria de eventos
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_f744
dc.type.hasversion.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/EC_AC
format http://purl.org/coar/resource_type/c_f744
status_str acceptedVersion
dc.identifier.issn.spa.fl_str_mv ISSN 2344-7079
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12749/22732
dc.identifier.instname.spa.fl_str_mv instname:Universidad Autónoma de Bucaramanga - UNAB
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional UNAB
dc.identifier.repourl.spa.fl_str_mv repourl:https://repository.unab.edu.co
identifier_str_mv ISSN 2344-7079
instname:Universidad Autónoma de Bucaramanga - UNAB
reponame:Repositorio Institucional UNAB
repourl:https://repository.unab.edu.co
url http://hdl.handle.net/20.500.12749/22732
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.ispartofseries.spa.fl_str_mv Generación Creativa : Encuentro de Semilleros de Investigación UNAB
dc.relation.uri.none.fl_str_mv http://hdl.handle.net/20.500.12749/14245
dc.relation.references.spa.fl_str_mv [1] Bastidas Sanchez, J. D., Vanegas, J. S., & Pachon, J. E. (2019). Identificación de perfiles de fuentes de emisión a través de la caracterización quimica y modelamiento de material particulado PM10, PM2.5 y material susceptible a resuspensión en la ciudad de Bogota. Bogota: Universidad de Lasalle, Ciencia Unisalle .
[2] Gautam, J., & Kumar, S. (14-16 Oct. 2016). Real time sentiment analysis of tweets using Naive Bayes. Dehradun, India: 2nd International Conference on Next Generation Computing Technologies (NGCT).
[3] junMa, JackCP, & Tan, Y. (1 October 2019). Improving air quality prediction accuracy at larger temporal resolutions using deep learning and transfer learning techniques. Atmospheric Environment.
[4] MathWorks. (n.d.). Statistics and Machine Learning Toolbox. Retrieved from mathworks: https://www.mathworks.com/help/stats/index.html
[5] Naranjo Torres, D. A. (2019). Desarrollo de una aplicación móvil para el monitoreo de la calidad del aire en Quito. Quito: Quito: Universidad de las Américas, 2019.
[6] Oliphant, T. E., & University, B. Y. ( 2007). Python for Scientific Computing. Computing in Science & Engineering , 20.
[7] Ongsulee, P. (22-24 Nov. 2017). Artificial intelligence, machine learning and deep learning. Bangkok, Thailand: 15th International Conference on ICT and Knowledge Engineering (ICT&KE).
[8] Pacsi Valdivia, S. A. (2015). SPATIAL AND TEMPORAL ANALYSIS OF THE AIR QUALITY DETERMINED BY PARTICULATE MATTER PM10 AND PM2,5 IN METROPOLITAN LIMA. Lima, Peru: Universidad Nacional Agraria La Molina, Lima - Perú.
[9] Pierina Xiomara Gálvez Arias, P. J. (2018). Análisis de publicaciones en redes sociales para empresas utilizando inteligencia artificial. PERSPECTIV@S. Revista de Tecnología e Información .
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv Abierto (Texto Completo)
dc.rights.creativecommons.*.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Abierto (Texto Completo)
Atribución-NoComercial-SinDerivadas 2.5 Colombia
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.spatial.spa.fl_str_mv Bucaramanga (Santander, Colombia)
dc.coverage.temporal.spa.fl_str_mv 2020
dc.coverage.campus.spa.fl_str_mv UNAB Campus Bucaramanga
dc.publisher.grantor.spa.fl_str_mv Universidad Autónoma de Bucaramanga UNAB
dc.publisher.faculty.none.fl_str_mv Facultad Ingeniería
dc.publisher.program.none.fl_str_mv Pregrado Ingeniería Mecatrónica
dc.publisher.deparment.spa.fl_str_mv Sistema de Investigación SIUNAB
dc.source.spa.fl_str_mv Naranjo, K. A. (2020). Análisis de correlación en sistemas de vigilancia de calidad del aire con eventos socio económicos y/o culturales que afectan la calidad del aire en zonas urbanas de Bucaramanga utilizando técnicas computacionales para la extracción, comprensión y evaluación de datos publicados en Internet. Recuperado de: http://hdl.handle.net/20.500.12749/22732
institution Universidad Autónoma de Bucaramanga - UNAB
bitstream.url.fl_str_mv https://repository.unab.edu.co/bitstream/20.500.12749/22732/2/license.txt
https://repository.unab.edu.co/bitstream/20.500.12749/22732/1/2020_Articulo_Naranjo_Reyes_Kevin_Alejandro.pdf
https://repository.unab.edu.co/bitstream/20.500.12749/22732/3/2020_Articulo_Naranjo_Reyes_Kevin_Alejandro.pdf.jpg
bitstream.checksum.fl_str_mv 3755c0cfdb77e29f2b9125d7a45dd316
0f0c9ac01b5388a94b7fd57d30e136d7
900fc7cd3631181765c3c9ac2e18008d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB
repository.mail.fl_str_mv repositorio@unab.edu.co
_version_ 1814277412074029056
spelling Naranjo Reyes, Kevin Alejandro0e978d68-ba70-4e82-99b7-ef8fe349ee73Semilleros de Investigación UNABBucaramanga (Santander, Colombia)2020UNAB Campus Bucaramanga2023-11-12T18:22:08Z2023-11-12T18:22:08Z2020-11ISSN 2344-7079http://hdl.handle.net/20.500.12749/22732instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coEl Índice de Calidad del Aire es una variable que permite reportar el estado de la calidad del aire en función de un código de colores que tienen asociadas recomendaciones generales para reducir la exposición de la población a altas concentraciones de contaminantes, se divide en seis categorías que son indicativas y cuyo propósito principal es comunicar de una manera fácil y eficaz a la población sobre los efectos del estado de la calidad del aire en su salud. El índice se centra en los efectos sobre la salud que puede experimentar la población en pocas horas o días, los cuales son más relevantes en grupos sensibles entre los que se encuentran los niños y los adultos mayores. Pero, ¿cómo relacionar esta clasificación que otorga el ICA con eventos que pasan en la ciudad?, cada evento, marcha, mal parqueo en las vías, operaciones en empresas entre otros factores son variables que afectan este índice. La contaminación del aire es un problema actualmente y se prevé que en el futuro el problema pueda empeorar, necesitamos identificar cuáles son los factores que nos afectan más para poder abordar soluciones optimizadas en función del costo beneficio, el identificar las variables más significativas en la calidad del aire usando análisis de datos con técnicas de inteligencia artificial podrían ser una solución para poder tener una magnitud estadística de cuáles son las variables más significativasThe Air Quality Index is a variable that allows reporting the state of air quality based on a color code that has associated general recommendations to reduce the population's exposure to high concentrations of pollutants, it is divided into six categories that They are indicative and whose main purpose is to communicate easily and effectively to the population about the effects of the state of air quality on their health. The index focuses on the health effects that the population can experience in a few hours or days, which are more relevant in sensitive groups, including children and the elderly. But, how to relate this classification granted by the ICA with events that happen in the city? Each event, march, bad parking on the roads, operations in companies among other factors are variables that affect this index. Air pollution is a problem today and it is expected that in the future the problem may worsen, we need to identify which are the factors that affect us the most to be able to address optimized solutions based on cost benefit, identifying the most significant variables in quality of the air using data analysis with artificial intelligence techniques could be a solution to be able to have a statistical magnitude of which are the most significant variablesModalidad Presencialapplication/pdfspaGeneración Creativa : Encuentro de Semilleros de Investigación UNABhttp://hdl.handle.net/20.500.12749/14245[1] Bastidas Sanchez, J. D., Vanegas, J. S., & Pachon, J. E. (2019). Identificación de perfiles de fuentes de emisión a través de la caracterización quimica y modelamiento de material particulado PM10, PM2.5 y material susceptible a resuspensión en la ciudad de Bogota. Bogota: Universidad de Lasalle, Ciencia Unisalle .[2] Gautam, J., & Kumar, S. (14-16 Oct. 2016). Real time sentiment analysis of tweets using Naive Bayes. Dehradun, India: 2nd International Conference on Next Generation Computing Technologies (NGCT).[3] junMa, JackCP, & Tan, Y. (1 October 2019). Improving air quality prediction accuracy at larger temporal resolutions using deep learning and transfer learning techniques. Atmospheric Environment.[4] MathWorks. (n.d.). Statistics and Machine Learning Toolbox. Retrieved from mathworks: https://www.mathworks.com/help/stats/index.html[5] Naranjo Torres, D. A. (2019). Desarrollo de una aplicación móvil para el monitoreo de la calidad del aire en Quito. Quito: Quito: Universidad de las Américas, 2019.[6] Oliphant, T. E., & University, B. Y. ( 2007). Python for Scientific Computing. Computing in Science & Engineering , 20.[7] Ongsulee, P. (22-24 Nov. 2017). Artificial intelligence, machine learning and deep learning. Bangkok, Thailand: 15th International Conference on ICT and Knowledge Engineering (ICT&KE).[8] Pacsi Valdivia, S. A. (2015). SPATIAL AND TEMPORAL ANALYSIS OF THE AIR QUALITY DETERMINED BY PARTICULATE MATTER PM10 AND PM2,5 IN METROPOLITAN LIMA. Lima, Peru: Universidad Nacional Agraria La Molina, Lima - Perú.[9] Pierina Xiomara Gálvez Arias, P. J. (2018). Análisis de publicaciones en redes sociales para empresas utilizando inteligencia artificial. PERSPECTIV@S. Revista de Tecnología e Información .http://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Naranjo, K. A. (2020). Análisis de correlación en sistemas de vigilancia de calidad del aire con eventos socio económicos y/o culturales que afectan la calidad del aire en zonas urbanas de Bucaramanga utilizando técnicas computacionales para la extracción, comprensión y evaluación de datos publicados en Internet. Recuperado de: http://hdl.handle.net/20.500.12749/22732Análisis de correlación en sistemas de vigilancia de calidad del aire con eventos socio económicos y/o culturales que afectan la calidad del aire en zonas urbanas de Bucaramanga utilizando técnicas computacionales para la extracción, comprensión y evaluación de datos publicados en InternetCorrelation analysis in surveillance systems air quality with socioeconomic events and/or cultural factors that affect air quality in urban areas of Bucaramanga using computational techniques for data extraction, understanding and evaluation published on the InternetConferenceinfo:eu-repo/semantics/conferenceProceedingsMemoria de eventoshttp://purl.org/coar/resource_type/c_f744info:eu-repo/semantics/acceptedVersionhttp://purl.org/redcol/resource_type/EC_ACUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería MecatrónicaSistema de Investigación SIUNABAnalysis of dataArtificial intelligenceCorrelationInvestigationClassificationExtractionStatistics and machine learningDeep learningAnálisis de datosInteligencia artificialCorrelaciónInvestigaciónClasificaciónExtracciónEstadística y machine learningDeep learningLICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/22732/2/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD52open accessORIGINAL2020_Articulo_Naranjo_Reyes_Kevin_Alejandro.pdf2020_Articulo_Naranjo_Reyes_Kevin_Alejandro.pdfArtículoapplication/pdf91967https://repository.unab.edu.co/bitstream/20.500.12749/22732/1/2020_Articulo_Naranjo_Reyes_Kevin_Alejandro.pdf0f0c9ac01b5388a94b7fd57d30e136d7MD51open accessTHUMBNAIL2020_Articulo_Naranjo_Reyes_Kevin_Alejandro.pdf.jpg2020_Articulo_Naranjo_Reyes_Kevin_Alejandro.pdf.jpgIM Thumbnailimage/jpeg9562https://repository.unab.edu.co/bitstream/20.500.12749/22732/3/2020_Articulo_Naranjo_Reyes_Kevin_Alejandro.pdf.jpg900fc7cd3631181765c3c9ac2e18008dMD53open access20.500.12749/22732oai:repository.unab.edu.co:20.500.12749/227322023-11-12 22:00:37.424open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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