- -

Desarrollo de modelos predictivos de contaminantes ambientales

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

El jueves 27 desde las 00 hasta 10:00 horas el sistema se apagará debido a tareas habituales de mantenimiento

Desarrollo de modelos predictivos de contaminantes ambientales

Show simple item record

Files in this item

dc.contributor.advisor Ordieres Mere, Joaquin Bienvenido es_ES
dc.contributor.advisor Capuz Rizo, Salvador Fernando es_ES
dc.contributor.author Salazar Ruiz, Enriqueta es_ES
dc.date.accessioned 2008-07-04T12:02:17Z
dc.date.available 2008-07-04T12:02:17Z
dc.date.created 2008-04-21T08:00:00Z es_ES
dc.date.issued 2008-07-04T12:02:04Z es_ES
dc.identifier.uri http://hdl.handle.net/10251/2504
dc.description.abstract El desarrollo de modelos matemáticos predictivos de distinto tipos de fenómenos son aplicaciones fundamentales y útiles de las técnicas de Minería de Datos. Un buen modelo se convierte en una excelente herramienta científica que requiere de la existencia y disposición de grandes volúmenes de datos, además de habilidad y considerable tiempo aplicado del investigador para integrar los conocimientos más relevantes y característicos del fenómeno en estudio. En el caso concreto de ésta tesis, los modelos de predicción desarrollados se enfocaron en la predicción contaminantes ambientales como el valor medio de Partículas Finas (PM2.5) presentes en el aire respirable con un tiempo de anticipación de 8 horas y del Ozono Troposférico Máximo (O3) con 24 horas de anticipación. Se trabajó con un interesante conjunto de técnicas de predicción partiendo con herramientas de naturaleza paramétrica tan sencillas como Persistencia, Modelación Lineal Multivariante, así como la técnica semi-paramétrica: Regresión Ridge además de herramientas de naturaleza no paramétrica como Redes Neuronales Artificiales (ANN) como Perceptron Multicapa (MLP), Perceptrón Multi Capa Cuadrática (SMLP), Función de Base Radial (RBF) y Redes Elman, así como Máquinas de Vectores Soporte (SVM), siendo las técnicas no paramétricas las que generalizaron mejor los fenómenos modelizados. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reserva de todos los derechos es_ES
dc.source Riunet
dc.subject Minería de datos es_ES
dc.subject Calidad del aire es_ES
dc.subject Modelización de la contaminación atmosférica es_ES
dc.subject Partículas en suspensión es_ES
dc.subject PM2,5 es_ES
dc.subject Frontera EEUU-México es_ES
dc.subject Redes neuronales es_ES
dc.subject Función de base radial (rbf) es_ES
dc.subject Perceptrón multicapa (mlp) es_ES
dc.subject Perceptrón multicapa cuadrática (smlp) es_ES
dc.subject Regresión "ridge" es_ES
dc.subject Redes neuronales "elman" es_ES
dc.subject Máquina de vectores soporte (svm) es_ES
dc.subject.classification PROYECTOS DE INGENIERIA es_ES
dc.title Desarrollo de modelos predictivos de contaminantes ambientales
dc.type Tesis doctoral es_ES
dc.subject.unesco 630502 - Elaboración de modelos es_ES
dc.subject.unesco 330801 - Control de la contaminación atmosférica es_ES
dc.subject.unesco 120304 - Inteligencia artificial es_ES
dc.subject.unesco 250902 - Contaminación atmosférica es_ES
dc.identifier.doi 10.4995/Thesis/10251/2504 es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Proyectos de Ingeniería - Departament de Projectes d'Enginyeria es_ES
dc.description.bibliographicCitation Salazar Ruiz, E. (2008). Desarrollo de modelos predictivos de contaminantes ambientales [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/2504 es_ES
dc.description.accrualMethod Palancia es_ES
dc.type.version info:eu-repo/semantics/acceptedVersion es_ES
dc.relation.tesis 2792 es_ES


This item appears in the following Collection(s)

Show simple item record