Title

Modelación y predicción de excedencias de partículas PM10 utilizando redes recurrentes.

Author

JULIO ALBERTO RAMIREZ MONTAÑEZ

Access level

Open Access

Summary or 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.

Publish date

May 25, 2020

Publication type

Master thesis

Information Resource

http://ri-ng.uaq.mx/handle/123456789/2181

Contaminación aérea

Red Neuronal Recurrente LSTM

Redes neuronales profundas

PM10

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.