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