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 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


Ficheros en el ítem

Thumbnail
Nombre: RI005242.pdf
Tamaño: 10.51Mb
Formato: PDF
Ver/

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

Mostrar el registro sencillo del ítem