Aplicación de redes neuronales y modelos estocásticos para la predicción de partículas contaminantes en Bogotá

La calidad del aire es un tema que ha tomado importancia en las últimas décadas, siendo objeto de estudio para diversas investigaciones alrededor del mundo que, a su vez, buscan predecir el nivel de concentración de partículas contaminantes. Mas aún, dichas investigaciones se desarrollan mediante la aplicación de modelos que incorporan factores descriptivos sobre el comportamiento del material particulado. Es así, como esta investigación busca evaluar modelos de predicción como redes neuronales y modelos estocásticos para diferentes temporalidades. De manera que se evaluaron tres partículas (PM10, O3, NO2) las cuales brindan información relevante para el análisis de índices de contaminación. Por otra parte, los datos usados fueron obtenidos de una estación de monitoreo de Bogotá al contener suficiente información disponible. Dicho lo anterior, la investigación busca evaluar el desempeño de los diferentes modelos en búsqueda de la mejor predicción. Finalmente, se realizo la validación y comparación de los resultados, concluyendo sobre el mejor modelo implementado.

• Autores: Pérez Pérez, Julián Camilo; Fontalvo Delgado, Wilman Alejandro
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2019
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/44440
• Acceso en línea: http://hdl.handle.net/1992/44440
• Palabra clave: Material particulado; Contaminación del aire; Teoría de las probabilidades; Redes neurales (Computadores); Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf