Title

Modelado y Predicción de Partículas Contaminantes PM10 Mediante Redes Profundas Convolucionales

Author

RICARDO DOMINGUEZ GUEVARA

Access level

Open Access

Summary or description

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.

Publish date

March 17, 2020

Publication type

Master thesis

Information Resource

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

PM10

Redes neuronales convolucionales

Aprendizaje profundo

Predicción

Método de ensamble bagging

Format

Adobe PDF

application/pdf

Language

Spanish

Source repository

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

Downloads

132

Comments



You need to sign in or sign up to comment.