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...
- 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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 |