Sistema prototipo para la estimación del comportamiento del índice de calidad del aire usando técnicas de aprendizaje computacional
La investigación que se aborda en este trabajo va orientada como primera medida a la construcción de un conjunto de datos usando la meteorología e índice de calidad del aire (ICA) producto de la recopilación durante cuatro años, de la monitorización de las estaciones del Sistemas de Vigilancia de ca...
- Autores:
-
Anaya Diaz, Jhon Jairo
- Tipo de recurso:
- Fecha de publicación:
- 2015
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/55042
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/55042
http://bdigital.unal.edu.co/50328/
- Palabra clave:
- 0 Generalidades / Computer science, information and general works
6 Tecnología (ciencias aplicadas) / Technology
62 Ingeniería y operaciones afines / Engineering
Índice de calidad del aire
Material particulado
Redes neuronales artificiales
Agrupamiento
Estimación
Meteorología
Valledupar
Air quality index
Particulate
Artificial neural network
Clustering
Estimate
Meteorology
Valledupar
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
Summary: | La investigación que se aborda en este trabajo va orientada como primera medida a la construcción de un conjunto de datos usando la meteorología e índice de calidad del aire (ICA) producto de la recopilación durante cuatro años, de la monitorización de las estaciones del Sistemas de Vigilancia de calidad de aire de Valledupar; teniendo en cuenta este conjunto de datos, se busca entrenar y validar un modelo descriptivo, mediante la utilización de técnicas de clustering (Agrupamiento). Además se desarrolla un modelo predictivo, que estime el índice de calidad del aire, utilizando diferentes técnicas de minería de datos. Se comparan resultados mediante la utilización de las ANN’s y el método de regresión lineal, encontrando que las ANN’s se acoplan eficientemente a este conjunto de datos produciendo MAE de 10,19 para PM10 y 4,045 para CO, usando estos modelos como regresión; si se estiman los valores de ICA usando la concepción de series de tiempo con estos modelos se obtiene un MAE de 3.19 para PM10 y 4,47 para CO. |
---|