FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W1492253668> ?p ?o ?g. }

• W1492253668 abstract "Abstract Air pollution is a big threat and a phenomenon that has a specific impact on human health, in addition, changes that occur in the chemical composition of the atmosphere can change the weather and cause acid rain or ozone destruction. Those are phenomena of global importance. The World Health Organization (WHO) considerates air pollution as one of the most important global priorities. Salamanca, Gto., Mexico has been ranked as one of the most polluted cities in this country. The industry of the area led to a major economic development and rapid population growth in the second half of the twentieth century. The impact in the air quality is important and significant efforts have been made to measure the concentrations of pollutants. The main pollution sources are locally based plants in the chemical and power generation sectors. The registered concerning pollutants are Sulphur Dioxide (SO2) and particles on the order of ?10 micrometers or less (PM10). The prediction in the concentration of those pollutants can be a powerful tool in order to take preventive measures such as the reduction of emissions and alerting the affected population. In this PhD thesis we propose a model to predict concentrations of pollutants SO2 and PM10 for each monitoring booth in the Atmospheric Monitoring Network Salamanca (REDMAS - for its spanish acronym). The proposed models consider the use of meteorological variables as factors influencing the concentration of pollutants. The information used along this work is the current real data from REDMAS. In the proposed model, Artificial Neural Networks (ANN) combined with clustering algorithms are used. The type of ANN used is the Multilayer Perceptron with a hidden layer, using separate structures for the prediction of each pollutant. The meteorological variables used for prediction were: Wind Direction (WD), wind speed (WS), Temperature (T) and relative humidity (RH). Clustering algorithms, K-means and Fuzzy C-means, are used to find relationships between air pollutants and weather variables under consideration, which are added as input of the RNA. Those relationships provide information to the ANN in order to obtain the prediction of the pollutants. The results of the model proposed in this work are compared with the results of a multivariate linear regression and multilayer perceptron neural network. The evaluation of the prediction is calculated with the mean absolute error, the root mean square error, the correlation coefficient and the index of agreement. The results show the importance of meteorological variables in the prediction of the concentration of the pollutants SO2 and PM10 in the city of Salamanca, Gto., Mexico. The results show that the proposed model perform better than multivariate linear regression and multilayer perceptron neural network. The models implemented for each monitoring booth have the ability to make predictions of air quality that can be used in a system of real-time forecasting and human health impact analysis. Among the main results of the development of this thesis we can cite: A model based on artificial neural network combined with clustering algorithms for prediction with a hour ahead of the concentration of each pollutant (SO2 and PM10) is proposed. A different model was designed for each pollutant and for each of the three monitoring booths of the REDMAS. A model to predict the average of pollutant concentration in the next 24 hours of pollutants SO2 and PM10 is proposed, based on artificial neural network combined with clustering algorithms. Model was designed for each booth of the REDMAS and each pollutant separately. Resumen La contaminacion atmosferica es una amenaza aguda, constituye un fenomeno que tiene particular incidencia sobre la salud del hombre. Los cambios que se producen en la composicion quimica de la atmosfera pueden cambiar el clima, producir lluvia acida o destruir el ozono, fenomenos todos ellos de una gran importancia global. La Organizacion Mundial de la Salud (OMS) considera la contaminacion atmosferica como una de las mas importantes prioridades mundiales. Salamanca, Gto., Mexico; ha sido catalogada como una de las ciudades mas contaminadas en este pais. La industria de la zona propicio un importante desarrollo economico y un crecimiento acelerado de la poblacion en la segunda mitad del siglo XX. Las afectaciones en el aire son graves y se han hecho importantes esfuerzos por medir las concentraciones de los contaminantes. Las principales fuentes de contaminacion son fuentes fijas como industrias quimicas y de generacion electrica. Los contaminantes que se han registrado como preocupantes son el Bioxido de Azufre (SO2) y las Particulas Menores a 10 micrometros (PM10). La prediccion de las concentraciones de estos contaminantes puede ser una potente herramienta que permita tomar medidas preventivas como reduccion de emisiones a la atmosfera y alertar a la poblacion afectada. En la presente tesis doctoral se propone un modelo de prediccion de concentraci on de los contaminantes mas criticos SO2 y PM10 para cada caseta de monitorizacion de la Red de Monitorizacion Atmosferica de Salamanca (REDMAS). Los modelos propuestos plantean el uso de las variables meteorol ogicas como factores que influyen en la concentracion de los contaminantes. La informacion utilizada durante el desarrollo de este trabajo corresponde a datos reales obtenidos de la REDMAS. En el Modelo Propuesto (MP) se aplican Redes Neuronales Artificiales (RNA) combinadas con algoritmos de agrupamiento. La RNA utilizada es el Perceptron Multicapa con una capa oculta, utilizando estructuras independientes para la prediccion de cada contaminante. Las variables meteorologicas disponibles para realizar la prediccion fueron: Direccion de Viento (DV), Velocidad de Viento (VV), Temperatura (T) y Humedad Relativa (HR). Los algoritmos de agrupamiento K-means y Fuzzy C-means son utilizados para encontrar relaciones existentes entre los contaminantes atmosfericos en estudio y las variables meteorologicas. Dichas relaciones aportan informacion a las RNA para obtener la prediccion de los contaminantes, la cual es agregada como entrada de las RNA. Los resultados del modelo propuesto en este trabajo son comparados con los resultados de una Regresion Lineal Multivariable (RLM) y un Perceptron Multicapa (MLP). La evaluacion de la prediccion se realiza con el Error Medio Absoluto, la Raiz del Error Cuadratico Medio, el coeficiente de correlacion y el indice de acuerdo. Los resultados obtenidos muestran la importancia de las variables meteorologicas en la prediccion de la concentracion de los contaminantes SO2 y PM10 en la ciudad de Salamanca, Gto., Mexico. Los resultados muestran que el MP predice mejor la concentracion de los contaminantes SO2 y PM10 que los modelos RLM y MLP. Los modelos implementados para cada caseta de monitorizaci on tienen la capacidad para realizar predicciones de calidad del aire, estos modelos pueden ser implementados en un sistema que permita realizar la prediccion en tiempo real y analizar el impacto en la salud de la poblacion. Entre los principales resultados obtenidos del desarrollo de esta tesis podemos citar: Se propone un modelo basado en una red neuronal artificial combinado con algoritmos de agrupamiento para la prediccion con una hora de anticipaci on de la concentracion de cada contaminante (SO2 y PM10). Se diseno un modelo diferente para cada contaminante y para cada una de las tres casetas de monitorizacion de la REDMAS. Se propone un modelo de prediccion del promedio de la concentracion de las proximas 24 horas de los contaminantes SO2 y PM10, basado en una red neuronal artificial combinado con algoritmos de agrupamiento. Se diseno un modelo para cada caseta de monitorizacion de la REDMAS y para cada contaminante por separado." @default.
• W1492253668 created "2016-06-24" @default.
• W1492253668 creator A5000686087 @default.
• W1492253668 creator A5044765892 @default.
• W1492253668 date "2012-10-03" @default.
• W1492253668 modified "2023-09-27" @default.
• W1492253668 title "Aplicación de técnicas de inteligencia artificial a la predicción de contaminantes atmosféricos" @default.
• W1492253668 hasPublicationYear "2012" @default.
• W1492253668 type Work @default.
• W1492253668 sameAs 1492253668 @default.
• W1492253668 citedByCount "0" @default.
• W1492253668 crossrefType "dissertation" @default.
• W1492253668 hasAuthorship W1492253668A5000686087 @default.
• W1492253668 hasAuthorship W1492253668A5044765892 @default.
• W1492253668 hasConcept C138885662 @default.
• W1492253668 hasConcept C15708023 @default.
• W1492253668 hasConceptScore W1492253668C138885662 @default.
• W1492253668 hasConceptScore W1492253668C15708023 @default.
• W1492253668 hasLocation W14922536681 @default.
• W1492253668 hasOpenAccess W1492253668 @default.
• W1492253668 hasPrimaryLocation W14922536681 @default.
• W1492253668 isParatext "false" @default.
• W1492253668 isRetracted "false" @default.
• W1492253668 magId "1492253668" @default.
• W1492253668 workType "dissertation" @default.