Modelación y predicción de excedencias de partículas PM10 utilizando redes recurrentes.

Julio Alberto Ramirez Montañez

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Marco Antonio Aceves Fernandez	es_ES
dc.creator	Julio Alberto Ramirez Montañez	es_ES
dc.date	2020-05-25
dc.date.accessioned	2020-06-01T17:27:39Z
dc.date.available	2020-06-01T17:27:39Z
dc.date.issued	2020-05-25
dc.identifier.uri	http://ri-ng.uaq.mx/handle/123456789/2181
dc.description	La presente tesis muestra la implementación de dos redes neuronales profundas (LSTM) una para la modelación de las partículas aéreas contaminantes llamadas PM10, mientras que la segunda red es utilizada para detectar las condiciones que anteceden a una excedencia. Dado que los datos utilizados son registros de la ciudad de México, se tomo de referencia la norma mexicana respectiva. Lo anterior debido a que el monitoreo de la calidad del aire es un tema de interés actual, las partículas PM10 son contaminantes aéreos constituidas de diferentes componentes. Los resultados obtenidos demuestran que es posible anticipar una excedencia de partículas PM10 con 24, 48 o 72 horas previas a que ocurra. De igual manera se implementó distintos algoritmos para validar los resultados obtenidos, enfocándose en el preprocesamiento de los datos iniciales y en la modelación y predicción de las excedencias.	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	Contaminación aérea	es_ES
dc.subject	Red Neuronal Recurrente LSTM	es_ES
dc.subject	Redes neuronales profundas	es_ES
dc.subject	PM10	es_ES
dc.subject.classification	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.title	Modelación y predicción de excedencias de partículas PM10 utilizando redes recurrentes.	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	curp	es_ES
dc.contributor.tid	curp	es_ES
dc.creator.identificador	RAMJ921127HMNMNL08	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