Title:	Optimización de modelo de partículas contaminantes utilizando el algoritmo de optimización de forrajeo bacteriano BFOA
metadata.dc.creator:	María Del Carmen Cabrera Hernández
Keywords:	INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS CIENCIA DE LOS ORDENADORES
Issue Date:	3-Oct-2019
metadata.dc.degree.department:	Facultad de Ingeniería
metadata.dc.degree.name:	Maestría en Ciencias en Inteligencia Artificial
Description:	El monitoreo de la calidad del aire es un problema que se ha vuelto elemental para la humanidad, ya que cuando la calidad del aire es deficiente, constituye una amenaza seria para la salud, concretamente, el material particulado es uno de los contaminantes con mayor impacto en la calidad del aire. El material particulado se encuentra compuesto de partículas de materia sólida y líquida que es causante de enfermedades del sistema respiratorio y cardiovascular, esto debido a su tamaño, en el orden de los micrómetros (µm), y que se clasifica como PM10 (10 µm) y PM2.5(2.5µm), además cabe mencionar que su comportamiento ha demostrado ser no lineal. Dada la complejidad del problema, la Inteligencia artificial es una herramienta ideal para encontrar una solución, en el presente trabajo, el objetivo principal es la optimización de un modelo base, en este caso generado por el método ANFIS, para predecir la concentración de partículas contaminantes, en específico PM10, utilizando algoritmos de inteligencia de enjambre. Específicamente, se utiliza BFOA para la optimización, demostrando que es posible disminuir el error del modelo ANFIS. Y es por esto que, para comprobar la efectividad del modelo propuesto, se llevaron a cabo varios experimentos con los datos y los parámetros propios del algoritmo BFOA, esto, con el fin de en un futuro poder utilizar este método para generar herramientas de predicción del comportamiento del material particulado.
URI:	http://ri-ng.uaq.mx/handle/123456789/1664
Other Identifiers:	Swarm Intelligence Bacterial Foraging Optimización Partículas contaminantes Predicción
Appears in Collections:	Maestría en Ciencias en Inteligencia Artificial

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.