Aplicación de redes neuronales artificiales para la predicción de calidad de aire

Autores
Chiarvetto Peralta, Lucila Lourdes; Rey Saravia, Fernando Anibal; Brignole, Nélida Beatriz
Año de publicación
2008
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Se llevó a cabo la implementación de un predictor para el promedio diario de material particulado (PM) y el diseño y desarrollo de este software es descrito en este trabajo. El daño producido por el PM en la salud humana, está relacionado con el pequeño tamaño de las partículas. Las redes neuronales artificiales (RNs) han mostrado ser un método eficiente y universal en la aproximación de funciones para cualquier tipo de dato. Una RN fue escogida porque se ha demostrado que son eficaces cuando son aplicadas a predicciones de la calidad de aire. En comparación con otros trabajos similares, sólo una red fue realizada, pero varios prototipos fueron desarrollados y evaluados para evitar la arbitrariedad en las decisiones de diseño. Se experimentaron tres aspectos en particular del diseño de una RN: la normalización de los datos, la selección de la arquitectura y la selección de la función de activación. En base a nueve variables de entrada: dos estacionales, y siete meteorológicas; se determinó que la mejor candidata es una RN compuesta por: una capa de entrada lineal de nueve neuronas artificiales (NA), una capa oculta de catorce NA y una capa de salida de una NA; ambas con una función de activación tangente hiperbólica. Durante el desarrollo de un sistema de Data Warehousing (DW) para el monitoreo y control de polución en la ciudad de Bahía Blanca (Pcia. de Buenos Aires, Argentina), el conjunto de requerimientos incluía la necesidad de contar con herramientas que permitan la predicción de las concentraciones de varios contaminantes. En el futuro, esta herramienta terminada podrá ser embebida en dicho DW. Este trabajo es el comienzo del desarrollo de un entorno de predicción más complejo que abarcará diversos contaminantes en aire.
Fil: Chiarvetto Peralta, Lucila Lourdes. Laboratorio de Investigación y Desarrollo en Computación Científica (LIDeCC), Departamento de Ciencias e Ingeniería de la Computación Universidad Nacional del Sur (UNS), Bahía Blanca (8000); Argentina
Fil: Rey Saravia, Fernando Anibal. Laboratorio de Investigación y Desarrollo en Computación Científica (LIDeCC), Departamento de Ciencias e Ingeniería de la Computación Universidad Nacional del Sur (UNS),Bahía Blanca Comité Técnico Ejecutivo (CTE,) Av. San Martín 3400, Municipalidad de Bahía Blanca ; Argentina
Fil: Brignole, Nélida Beatriz. Laboratorio de Investigación y Desarrollo en Computación Científica (LIDeCC), Departamento de Ciencias e Ingeniería de la Computación Universidad Nacional del Sur (UNS), Bahía Blanca Planta Piloto de Ingeniería Química (UNS - CONICET) Camino La Carrindanga Km.7 Bahía Blanca (8000) ; Argentina
Materia
Pm10
Redes Neuronales
Medio Ambiente
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/99265
Acceder
id CONICETDig_d3a7bf3d86c4809f4b2ed146e30c95e1
oai_identifier_str oai:ri.conicet.gov.ar:11336/99265
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Aplicación de redes neuronales artificiales para la predicción de calidad de aireChiarvetto Peralta, Lucila LourdesRey Saravia, Fernando AnibalBrignole, Nélida BeatrizPm10Redes NeuronalesMedio Ambientehttps://purl.org/becyt/ford/2.4https://purl.org/becyt/ford/2Se llevó a cabo la implementación de un predictor para el promedio diario de material particulado (PM) y el diseño y desarrollo de este software es descrito en este trabajo. El daño producido por el PM en la salud humana, está relacionado con el pequeño tamaño de las partículas. Las redes neuronales artificiales (RNs) han mostrado ser un método eficiente y universal en la aproximación de funciones para cualquier tipo de dato. Una RN fue escogida porque se ha demostrado que son eficaces cuando son aplicadas a predicciones de la calidad de aire. En comparación con otros trabajos similares, sólo una red fue realizada, pero varios prototipos fueron desarrollados y evaluados para evitar la arbitrariedad en las decisiones de diseño. Se experimentaron tres aspectos en particular del diseño de una RN: la normalización de los datos, la selección de la arquitectura y la selección de la función de activación. En base a nueve variables de entrada: dos estacionales, y siete meteorológicas; se determinó que la mejor candidata es una RN compuesta por: una capa de entrada lineal de nueve neuronas artificiales (NA), una capa oculta de catorce NA y una capa de salida de una NA; ambas con una función de activación tangente hiperbólica. Durante el desarrollo de un sistema de Data Warehousing (DW) para el monitoreo y control de polución en la ciudad de Bahía Blanca (Pcia. de Buenos Aires, Argentina), el conjunto de requerimientos incluía la necesidad de contar con herramientas que permitan la predicción de las concentraciones de varios contaminantes. En el futuro, esta herramienta terminada podrá ser embebida en dicho DW. Este trabajo es el comienzo del desarrollo de un entorno de predicción más complejo que abarcará diversos contaminantes en aire.Fil: Chiarvetto Peralta, Lucila Lourdes. Laboratorio de Investigación y Desarrollo en Computación Científica (LIDeCC), Departamento de Ciencias e Ingeniería de la Computación Universidad Nacional del Sur (UNS), Bahía Blanca (8000); ArgentinaFil: Rey Saravia, Fernando Anibal. Laboratorio de Investigación y Desarrollo en Computación Científica (LIDeCC), Departamento de Ciencias e Ingeniería de la Computación Universidad Nacional del Sur (UNS),Bahía Blanca Comité Técnico Ejecutivo (CTE,) Av. San Martín 3400, Municipalidad de Bahía Blanca ; ArgentinaFil: Brignole, Nélida Beatriz. Laboratorio de Investigación y Desarrollo en Computación Científica (LIDeCC), Departamento de Ciencias e Ingeniería de la Computación Universidad Nacional del Sur (UNS), Bahía Blanca Planta Piloto de Ingeniería Química (UNS - CONICET) Camino La Carrindanga Km.7 Bahía Blanca (8000) ; ArgentinaAsociación Argentina de Mecánica Computacional2008-11info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/99265Chiarvetto Peralta, Lucila Lourdes; Rey Saravia, Fernando Anibal; Brignole, Nélida Beatriz; Aplicación de redes neuronales artificiales para la predicción de calidad de aire; Asociación Argentina de Mecánica Computacional; Mecánica Computacional; 27; 11-2008; 3607-36251666-6070CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://amcaonline.org.ar/ojs/index.php/mc/article/view/1654info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-03T09:50:31Zoai:ri.conicet.gov.ar:11336/99265instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-03 09:50:31.481CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Aplicación de redes neuronales artificiales para la predicción de calidad de aire
title Aplicación de redes neuronales artificiales para la predicción de calidad de aire
spellingShingle Aplicación de redes neuronales artificiales para la predicción de calidad de aire
Chiarvetto Peralta, Lucila Lourdes
Pm10
Redes Neuronales
Medio Ambiente
title_short Aplicación de redes neuronales artificiales para la predicción de calidad de aire
title_full Aplicación de redes neuronales artificiales para la predicción de calidad de aire
title_fullStr Aplicación de redes neuronales artificiales para la predicción de calidad de aire
title_full_unstemmed Aplicación de redes neuronales artificiales para la predicción de calidad de aire
title_sort Aplicación de redes neuronales artificiales para la predicción de calidad de aire
dc.creator.none.fl_str_mv Chiarvetto Peralta, Lucila Lourdes
Rey Saravia, Fernando Anibal
Brignole, Nélida Beatriz
author Chiarvetto Peralta, Lucila Lourdes
author_facet Chiarvetto Peralta, Lucila Lourdes
Rey Saravia, Fernando Anibal
Brignole, Nélida Beatriz
author_role author
author2 Rey Saravia, Fernando Anibal
Brignole, Nélida Beatriz
author2_role author
author
dc.subject.none.fl_str_mv Pm10
Redes Neuronales
Medio Ambiente
topic Pm10
Redes Neuronales
Medio Ambiente
purl_subject.fl_str_mv https://purl.org/becyt/ford/2.4
https://purl.org/becyt/ford/2
dc.description.none.fl_txt_mv Se llevó a cabo la implementación de un predictor para el promedio diario de material particulado (PM) y el diseño y desarrollo de este software es descrito en este trabajo. El daño producido por el PM en la salud humana, está relacionado con el pequeño tamaño de las partículas. Las redes neuronales artificiales (RNs) han mostrado ser un método eficiente y universal en la aproximación de funciones para cualquier tipo de dato. Una RN fue escogida porque se ha demostrado que son eficaces cuando son aplicadas a predicciones de la calidad de aire. En comparación con otros trabajos similares, sólo una red fue realizada, pero varios prototipos fueron desarrollados y evaluados para evitar la arbitrariedad en las decisiones de diseño. Se experimentaron tres aspectos en particular del diseño de una RN: la normalización de los datos, la selección de la arquitectura y la selección de la función de activación. En base a nueve variables de entrada: dos estacionales, y siete meteorológicas; se determinó que la mejor candidata es una RN compuesta por: una capa de entrada lineal de nueve neuronas artificiales (NA), una capa oculta de catorce NA y una capa de salida de una NA; ambas con una función de activación tangente hiperbólica. Durante el desarrollo de un sistema de Data Warehousing (DW) para el monitoreo y control de polución en la ciudad de Bahía Blanca (Pcia. de Buenos Aires, Argentina), el conjunto de requerimientos incluía la necesidad de contar con herramientas que permitan la predicción de las concentraciones de varios contaminantes. En el futuro, esta herramienta terminada podrá ser embebida en dicho DW. Este trabajo es el comienzo del desarrollo de un entorno de predicción más complejo que abarcará diversos contaminantes en aire.
Fil: Chiarvetto Peralta, Lucila Lourdes. Laboratorio de Investigación y Desarrollo en Computación Científica (LIDeCC), Departamento de Ciencias e Ingeniería de la Computación Universidad Nacional del Sur (UNS), Bahía Blanca (8000); Argentina
Fil: Rey Saravia, Fernando Anibal. Laboratorio de Investigación y Desarrollo en Computación Científica (LIDeCC), Departamento de Ciencias e Ingeniería de la Computación Universidad Nacional del Sur (UNS),Bahía Blanca Comité Técnico Ejecutivo (CTE,) Av. San Martín 3400, Municipalidad de Bahía Blanca ; Argentina
Fil: Brignole, Nélida Beatriz. Laboratorio de Investigación y Desarrollo en Computación Científica (LIDeCC), Departamento de Ciencias e Ingeniería de la Computación Universidad Nacional del Sur (UNS), Bahía Blanca Planta Piloto de Ingeniería Química (UNS - CONICET) Camino La Carrindanga Km.7 Bahía Blanca (8000) ; Argentina
description Se llevó a cabo la implementación de un predictor para el promedio diario de material particulado (PM) y el diseño y desarrollo de este software es descrito en este trabajo. El daño producido por el PM en la salud humana, está relacionado con el pequeño tamaño de las partículas. Las redes neuronales artificiales (RNs) han mostrado ser un método eficiente y universal en la aproximación de funciones para cualquier tipo de dato. Una RN fue escogida porque se ha demostrado que son eficaces cuando son aplicadas a predicciones de la calidad de aire. En comparación con otros trabajos similares, sólo una red fue realizada, pero varios prototipos fueron desarrollados y evaluados para evitar la arbitrariedad en las decisiones de diseño. Se experimentaron tres aspectos en particular del diseño de una RN: la normalización de los datos, la selección de la arquitectura y la selección de la función de activación. En base a nueve variables de entrada: dos estacionales, y siete meteorológicas; se determinó que la mejor candidata es una RN compuesta por: una capa de entrada lineal de nueve neuronas artificiales (NA), una capa oculta de catorce NA y una capa de salida de una NA; ambas con una función de activación tangente hiperbólica. Durante el desarrollo de un sistema de Data Warehousing (DW) para el monitoreo y control de polución en la ciudad de Bahía Blanca (Pcia. de Buenos Aires, Argentina), el conjunto de requerimientos incluía la necesidad de contar con herramientas que permitan la predicción de las concentraciones de varios contaminantes. En el futuro, esta herramienta terminada podrá ser embebida en dicho DW. Este trabajo es el comienzo del desarrollo de un entorno de predicción más complejo que abarcará diversos contaminantes en aire.
publishDate 2008
dc.date.none.fl_str_mv 2008-11
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/99265
Chiarvetto Peralta, Lucila Lourdes; Rey Saravia, Fernando Anibal; Brignole, Nélida Beatriz; Aplicación de redes neuronales artificiales para la predicción de calidad de aire; Asociación Argentina de Mecánica Computacional; Mecánica Computacional; 27; 11-2008; 3607-3625
1666-6070
CONICET Digital
CONICET
url http://hdl.handle.net/11336/99265
identifier_str_mv Chiarvetto Peralta, Lucila Lourdes; Rey Saravia, Fernando Anibal; Brignole, Nélida Beatriz; Aplicación de redes neuronales artificiales para la predicción de calidad de aire; Asociación Argentina de Mecánica Computacional; Mecánica Computacional; 27; 11-2008; 3607-3625
1666-6070
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://amcaonline.org.ar/ojs/index.php/mc/article/view/1654
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Asociación Argentina de Mecánica Computacional
publisher.none.fl_str_mv Asociación Argentina de Mecánica Computacional
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1842269035866095616
score 13.13397

Publicaciones similares