Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10609/108266
Título : Estimación de la calidad del aire de Galicia mediante técnicas de machine-learning
Autoría: Camí Núñez, Víctor
Director: Casas-Roma, Jordi  
Tutor: Parada Medina, Raúl  
Resumen : La calidad del aire y el efecto perjudicial que una mala calidad del aire tiene en la salud de las personas está cobrando mucha relevancia. Por ello muchas ciudades y regiones tienen instalados sistemas de medición de los diferentes elementos contaminantes presentes en el aire. Dichas mediciones se utilizan para activar los diferentes protocolos anticontaminación que dichas regiones tienen establecidos. Dado que se tienen estos datos de las concentraciones, es posible implementar técnicas de minería de datos con el objetivo de generar modelos predictivos. Estos han de ser capaces de predecir las concentraciones con cierta antelación para poder aplicar los protocolos o las medidas preventivas oportunas para evitar un episodio de alta contaminación. El objetivo de este trabajo de final de máster es generar una serie de modelos predictivos mediante datos de acceso abierto con el objetivo de poder predecir las concentraciones de los diferentes elementos contaminantes en Galicia usando las siguientes técnicas de minería de datos: SVR, MLP y LSTM. Además, se ha querido estudiar cómo afecta a la calidad de las predicciones el intentar realizar predicciones con un mayor número de días de antelación para ver el máximo de días de anticipación posible para los cuales las predicciones realizadas se pueden considerar útiles. Asimismo se ha querido estudiar si era posible generar un modelo general para la comunidad autónoma de Galicia empleando sólo los datos de las concentraciones de algunas de sus ciudades.
Palabras clave : calidad del aire
aprendizaje automático
predicción
Tipo de documento: info:eu-repo/semantics/masterThesis
Fecha de publicación : 8-ene-2020
Licencia de publicación: http://creativecommons.org/licenses/by-nc-sa/3.0/es/  
Aparece en las colecciones: Bachelor thesis, research projects, etc.

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
vcamiTFM0120memoria.pdfMemoria del TFM2,32 MBAdobe PDFVista previa
Visualizar/Abrir

presentación_TFM_vcami.mp4

93,5 MBMP4Visualizar/Abrir