Author: RICARDO DOMINGUEZ GUEVARA

Modelado y Predicción de Partículas Contaminantes PM10 Mediante Redes Profundas Convolucionales

RICARDO DOMINGUEZ GUEVARA (2020)

Las partículas con un diámetro inferior a 10 micrómetros (PM10) son hoy en día

un tema de estudio importante, principalmente por el aumento de su concentración

y su impacto en el medio ambiente y la salud pública. Este trabajo de investigación

resume el uso de redes neuronales convolucionales (CNN) para pronosticar las

concentraciones de PM10 basadas en variables atmosféricas. En este estudio en

particular, se exploró el uso de redes neurales convolucionales profundas (tanto 1D

como 2D) para probar la viabilidad de estas técnicas en las tareas de predicción.

Además, en este trabajo de investigación se utiliza un método de ensamble llamado

bagging (BEM) para mejorar la precisión del modelo de predicción. Por último, se

utiliza una técnica de predicción de PM10 bien conocida, llamada perceptrón

multicapa (MLP), como comparación para mostrar la viabilidad, precisión y robustez

del modelo propuesto. Como parte de los resultados de este trabajo, se encontró

que las CNNs superan a las MLP, especialmente cuando se ejecutan usando

modelos de ensamble.

Master thesis

INGENIERÍA Y TECNOLOGÍA LÓGICA CIENCIA DE LOS ORDENADORES