Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/1664
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorMarco Antonio Aceves Fernandezes_ES
dc.creatorMaría Del Carmen Cabrera Hernándezes_ES
dc.date2019-10-03-
dc.date.accessioned2019-11-12T21:46:39Z-
dc.date.available2019-11-12T21:46:39Z-
dc.date.issued2019-10-03-
dc.identifierSwarm Intelligencees_ES
dc.identifierBacterial Foraginges_ES
dc.identifierOptimizaciónes_ES
dc.identifierPartículas contaminanteses_ES
dc.identifierPredicciónes_ES
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/1664-
dc.descriptionEl 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.es_ES
dc.formatAdobe PDFes_ES
dc.language.isoEspañoles_ES
dc.relation.requiresSies_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectINGENIERÍA Y TECNOLOGÍAes_ES
dc.subjectCIENCIAS TECNOLÓGICASes_ES
dc.subjectCIENCIA DE LOS ORDENADORESes_ES
dc.titleOptimización de modelo de partículas contaminantes utilizando el algoritmo de optimización de forrajeo bacteriano BFOAes_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidcurpes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorcahc820326mdfbrr09es_ES
dc.contributor.identificadorAEFM780704HMCCRR09es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias en Inteligencia Artificiales_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
Aparece en las colecciones: Maestría en Ciencias en Inteligencia Artificial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI004732.pdf34.47 MBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.