Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Marco Antonio Aceves Fernandez es_ES
dc.creator María Del Carmen Cabrera Hernández es_ES
dc.date 2019-10-03
dc.date.accessioned 2019-11-12T21:46:39Z
dc.date.available 2019-11-12T21:46:39Z
dc.date.issued 2019-10-03
dc.identifier.uri http://ri-ng.uaq.mx/handle/123456789/1664
dc.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. es_ES
dc.format Adobe PDF es_ES
dc.language.iso Español es_ES
dc.relation.requires Si es_ES
dc.rights Acceso Abierto es_ES
dc.subject Swarm Intelligence es_ES
dc.subject Bacterial Foraging es_ES
dc.subject Optimización es_ES
dc.subject Partículas contaminantes es_ES
dc.subject Predicción es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Optimización de modelo de partículas contaminantes utilizando el algoritmo de optimización de forrajeo bacteriano BFOA es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid curp es_ES
dc.contributor.tid curp es_ES
dc.creator.identificador cahc820326mdfbrr09 es_ES
dc.contributor.identificador AEFM780704HMCCRR09 es_ES
dc.contributor.role Director es_ES
dc.degree.name Maestría en Ciencias en Inteligencia Artificial es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Maestría es_ES


Ficheros en el ítem

Thumbnail
Nombre: RI004732.pdf
Tamaño: 33.65Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem