Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/3327
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorJulio Alberto Ramirez Montañezes_ES
dc.creatorDavid Barrero Gonzálezes_ES
dc.date2021-11-26-
dc.date.accessioned2022-01-20T18:17:02Z-
dc.date.available2022-01-20T18:17:02Z-
dc.date.issued2021-11-26-
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/3327-
dc.descriptionSe utiliza una Red Neuronal Recurrente Elman para predecir la concentración de contaminantes aéreos $\mathrm{O_3}$ (ozono al nivel del suelo), PM2.5 y PM10, los cuales tienen un comportamiento no lineal, utilizando datos de la \textit{Red automática de Monitoreo Atmosférico} (RAMA), que consiste en un conjuntos de estaciones de monitoreo distribuidas en la Zona Metropolitana del Valle de México. El estudio de los contaminantes PM10 y PM2.5 es importante porque, debido a su diminuto tamaño, pueden penetrar en regiones sensibles del sistema respiratorio, entre otros efectos negativos sobre la salud humana. Además, se ha descubierto que estas tienen un importante impacto ambiental. Por otra parte, el estudio del ozono al nivel del suelo es importante debido a su alta toxicidad. Este contaminante de hecho ha sido responsable de varias contingencias ambientales en la Ciudad de México.\\ Predecir las concentraciones de estos contaminantes puede ser de utilidad para tomar algunas medidas y evitar afectaciones graves. Para este trabajo, primeramente se identifican las estaciones con la mayor cantidad de datos válidos, pues por diversos factores, es inevitable que hayan datos faltantes en detectores que funcionan por largas jornadas. Después, se propone un método empírico para sustituir los datos faltantes a través de una serie de regresiones lineales. Una búsqueda por rejilla es utilizada en la red Elman para buscar la mejor combinación de los hiperparámetros \textit{batch size}, \textit{optimizador} y \textit{look back}, tal que la variación de la raíz del error cuadrático medio se minimice. Se realiza un total de 108 experimentos midiendo la raíz del error cuadrático medio entre el conjunto de validación y datos reales. Dos criterios son tomados en cuenta para evaluar el desempeño de la red: la variación de la raíz del error cuadrático medio, y la evolución de los valores de la métrica, que es una medida de la precisión de la red. Esta red mostró su mayor precisión en las predicciones para el ozono, con una precisión máxima de 94.3\% para CC y un 87.9\% para $R^2$, mientras que para PM10 se obtuvo un máximo de 56.2\% para CC y 22.7\% para $R^2$, y para PM10 se logró una precisión máxima de 67.7\% para CC y 42.3\% para $R^2$. De los resultados obtenidos, se pudo determinar que el hiperparámetro \textit{look back} fue el más influyente en la capacidad predictiva, a su vez que Adamax resultó ser el optimizador más apropiado para esta red.es_ES
dc.formatAdobe PDFes_ES
dc.language.isospaes_ES
dc.relation.requiresNoes_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectRedes Neuronaleses_ES
dc.subjectContaminantes aéreoses_ES
dc.subjectImputación de datos faltanteses_ES
dc.subject.classificationCIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRAes_ES
dc.titleImplementación de una Red Neuronal Elman para el modelado de contaminantes aéreos PM y O3es_ES
dc.typeTesis de licenciaturaes_ES
dc.creator.tidClave CV CONACyTes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificador1147615es_ES
dc.contributor.identificadorRAMJ921127HMNMNL08es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameIngeniería Físicaes_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelLicenciaturaes_ES
Aparece en: Ingeniería Física

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI006368.pdf3.87 MBAdobe PDFPortada
Visualizar/Abrir


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