Título

Modelado y Predicción de Partículas Contaminantes PM10 Mediante Redes Profundas Convolucionales

Autor

RICARDO DOMINGUEZ GUEVARA

Nivel de Acceso

Acceso Abierto

Resumen o descripción

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.

Fecha de publicación

17 de marzo de 2020

Tipo de publicación

Tesis de maestría

Recurso de información

http://ri-ng.uaq.mx/handle/123456789/2155

PM10

Redes neuronales convolucionales

Aprendizaje profundo

Predicción

Método de ensamble bagging

Formato

Adobe PDF

application/pdf

Idioma

Español

Repositorio Orígen

MEJORA Y ADECUACIÓN DEL REPOSITORIO INSTITUCIONAL DE LA UNIVERSIDAD AUTÓNOMA DE QUERÉTARO

Descargas

338

Comentarios



Necesitas iniciar sesión o registrarte para comentar.