Estudio comparativo de modelos de predicción estocásticos y heurísticos aplicados a la estimación de la calidad del aire
Este trabajo presenta un análisis comparativo de modelos predictivos, aplicados a la estimación de calidad del aire. Actualmente, entre las inquietudes mundiales, se encuentra la preocupación por la contaminación del aire, por ello, en ciudades como Londres existen sistemas de monitoreo de contamina...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2020 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/123386 |
| Acceso en línea: | http://hdl.handle.net/10609/123386 |
| Access Level: | acceso abierto |
| Palabra clave: | predicción contaminación calidad del aire prediction pollution air quality predicció contaminació qualitat de l'aire Data mining -- TFM Mineria de dades -- TFM Minería de datos -- TFM |
| Sumario: | Este trabajo presenta un análisis comparativo de modelos predictivos, aplicados a la estimación de calidad del aire. Actualmente, entre las inquietudes mundiales, se encuentra la preocupación por la contaminación del aire, por ello, en ciudades como Londres existen sistemas de monitoreo de contaminantes atmosféricos. El notable deterioro de la calidad del aire en Londres es un problema cada vez más grave, considerando que existe una relación directa con problemas de salud respiratoria y cardiaca lo cual ha sido ya causa de muerte en dicha ciudad. El objetivo de este estudio es analizar diferentes modelos predictivos, para comparar y determinar cuál de ellos nos permite realizar una mejor predicción de la calidad del aire de Londres. Para ello, se hará uso de un conjunto de datos abiertos recuperado del portal London Datastore. Estos datos históricos son resultados de las mediciones del sistema de monitoreo de contaminantes de la ciudad. Dichos datos serán utilizados para entrenar los algoritmos ARIMA, SVM, Redes Neuronales y Facebook Prophet. A partir de los modelos generados, se determinará cuál de ellos tiene mayor exactitud a la hora de predecir la concentración de contaminantes atmosféricos. |
|---|