Please use this identifier to cite or link to this item:

http://hdl.handle.net/10609/120066
Full metadata record
DC FieldValueLanguage
dc.contributor.authorSanjuán de Caso, Marta-
dc.date.accessioned2020-07-09T08:18:20Z-
dc.date.available2020-07-09T08:18:20Z-
dc.date.issued2020-06-24-
dc.identifier.urihttp://hdl.handle.net/10609/120066-
dc.description.abstractEl cambio climático es un tema de actualidad y la polución se encuentra estrechamente relacionada impactando directamente en la calidad del aire. Ello puede causar graves consecuencias en la salud humana y en el medio ambiente. Para ayudar a disminuir el impacto de la polución, se han establecidos normas legales que obligan en mayor o menor medida a los agentes contaminantes a minimizar su impacto. Para ello se han establecido punto de mediciones que permiten obtener de una manera constante los diferentes índices que establecen la calidad del aire. Estas mediciones junto con el histórico meteorológico e histórico de días festivos que podemos obtener de datos abiertos nos permiten generar modelos predictivos que sean capaces de predecir con varios días de anticipación cómo va a evolucionar la calidad de aire, permitiendo que los agentes institucionales puedan actuar en consecuencia. El objetivo de este trabajo de fin de máster es obtener un modelo predictivo que permita de una manera fiable y precisa conocer la evolución de la calidad del aire con varios días de anticipación, y que de esta manera permita a las instituciones pública actuar en consecuencia con suficiente antelación. Para ello se aplicarán diferentes técnicas y algoritmos de minería de datos (RNN, LSTM, GRU) a los datos abiertos ofrecidos por instituciones públicas. Un objetivo secundario de este trabajo es obtener predicciones específicas por área de la ciudad, haciendo uso de las localizaciones de los puntos de medición y permitiendo si cabe realizar predicciones más precisas por área.es
dc.description.abstractClimate change is ever more topical issue and the pollution is closely linked, impacting in a direct way into the air quality. It may cause serious consequences on human health and natural environment. To help to reduce the effects of pollution, there are been established appropriate policy to solve it that forcing pollutants to minimize their impacts in different levels of forcefulness. Considering that, it has been established measuring monitoring stations that may obtain in a constant way a variety of indexes that can be established the air quality. This measurements together with weather history and non-working days history, that can be obtain in open data sources, let us to develop prediction models able to predict the evolution of air quality a few days in advance, and it may allow to institutional agents act accordingly. The aim of this master's degrees final project is obtain a predictive model good enough to be used to predict the air quality forecast a few days in advance in a reliable and accurate way, and in this way public institutions will able to act with enough time in advance. For this purpose, it will apply different techniques and data mining algorithms (RNN, LSTM, and GRU) to the open data offered by the public institutions. A secondary objective will be to obtain specific predictions by area of the city, making use of measurement point location information and be able to make predictions more accurate by area indeed.en
dc.description.abstractEl canvi climàtic és un tema d'actualitat i la pol·lució es troba estretament relacionada impactant directament en la qualitat de l'aire. Això pot causar greus conseqüències en la salut humana i en el medi ambient. Per a ajudar a disminuir l'impacte de la pol·lució, s'han establerts normes legals que obliguen en major o menor mesura als agents contaminants a minimitzar el seu impacte. Per a això s'han establert punt de mesuraments que permeten obtenir d'una manera constant els diferents índexs que estableixen la qualitat de l'aire. Aquests mesuraments juntament amb l'històric meteorològic i històric de dies festius que podem obtenir de dades obertes ens permeten generar models predictius que siguin capaços de predir amb diversos dies d'anticipació com evolucionarà la qualitat d'aire, permetent que els agents institucionals puguin actuar en conseqüència. L'objectiu d'aquest treball de fi de màster és obtenir un model predictiu que permeti d'una manera fiable i requereix conèixer l'evolució de la qualitat de l'aire amb diversos dies d'anticipació, i que d'aquesta manera permeti a les institucions pública actuar en conseqüència amb suficient antelació. Per a això s'aplicaran diferents tècniques i algorismes de mineria de dades (RNN, LSTM, GRU) a les dades obertes ofertes per institucions públiques. Un objectiu secundari d'aquest treball és obtenir prediccions específiques per àrea de la ciutat, fent ús de les localitzacions dels punts de mesurament i permetent si cal realitzar prediccions més precises per àrea.ca
dc.format.mimetypeapplication/pdf-
dc.language.isospa-
dc.publisherUniversitat Oberta de Catalunya (UOC)-
dc.rightsCC BY-NC-SA-
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/es/-
dc.subjectpredicciónes
dc.subjectPM2.5es
dc.subjectcalidad del airees
dc.subjectprediccióca
dc.subjectpredictionen
dc.subjectPM2.5ca
dc.subjectPM2.5en
dc.subjectqualitat de l'aireca
dc.subjectair quality indexen
dc.subject.lcshMachine learning -- TFMen
dc.titlePredicción de la calidad del aire de la ciudad de Madrid mediante técnicas de machine-learning-
dc.typeinfo:eu-repo/semantics/masterThesis-
dc.audience.educationlevelEstudis de Màsterca
dc.audience.educationlevelEstudios de Másteres
dc.audience.educationlevelMaster's degreesen
dc.subject.lemacAprenentatge automàtic -- TFMca
dc.subject.lcshesAprendizaje automático -- TFMes
dc.contributor.directorCasas Roma, Jordi-
dc.contributor.tutorParada Medina, Raúl-
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess-
Appears in Collections:Bachelor thesis, research projects, etc.

Files in This Item:
File Description SizeFormat 
martasanjuanTFM072020Presentacion.mp4484.17 MBMP4View/Open
martasanjuanTFM0620memoria.pdfMemoria del TFM3.71 MBAdobe PDFView/Open

This item is licensed under a Creative Commons License Creative Commons