Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/123386
Títol: | Estudio comparativo de modelos de predicción estocásticos y heurísticos aplicados a la estimación de la calidad del aire |
Autoria: | Sánchez Pozo, Nadia Nathaly |
Director: | Solé-Ribalta, Albert |
Tutor: | Trilles Oliver, Sergi |
Resum: | Aquest treball presenta una anàlisi comparativa de models predictius, aplicats a l'estimació de qualitat de l'aire. Actualment, entre les inquietuds mundials, es troba la preocupació per la contaminació de l'aire, per això, en ciutats com Londres ha sistemes de monitorització de contaminants atmosfèrics. El notable deteriorament de la qualitat de l'aire a Londres és un problema cada vegada més greu, considerant que hi ha una relació directa amb problemes de salut respiratòria i cardíaca la qual cosa ha estat ia causa de mort en aquesta ciutat. L'objectiu d'aquest estudi és analitzar diferents models predictius, per comparar i determinar quin d'ells ens permet fer una millor predicció de la qualitat de l'aire de Londres. Per a això, es farà ús d'un conjunt de dades obertes recuperat de el portal London Datastore. Aquestes dades històrics són resultats dels mesuraments de sistema de monitorització de contaminants de la ciutat. Aquestes dades seran utilitzades per entrenar els algoritmes ARIMA, SVM, Xarxes Neuronals i Facebook Prophet. A partir dels models generats, es determinarà quin d'ells té més exactitud a l'hora de predir la concentració de contaminants atmosfèrics. |
Paraules clau: | predicció contaminació qualitat de l'aire |
Tipus de document: | info:eu-repo/semantics/masterThesis |
Data de publicació: | jul-2020 |
Llicència de publicació: | http://creativecommons.org/licenses/by-nc-sa/3.0/es/ |
Apareix a les col·leccions: | Bachelor thesis, research projects, etc. |
Arxius per aquest ítem:
Arxiu | Descripció | Mida | Format | |
---|---|---|---|---|
nsanchezpoTFM0620memoria.pdf | Memoria el TFM | 1,83 MB | Adobe PDF | Veure/Obrir |
Comparteix:
Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons