Por favor, use este identificador para citar o enlazar este ítem:
http://redicces.org.sv/jspui/handle/10972/4210
Título : | Sistema telemático de monitoreo de calidad del aire en zonas remotas : desarrollo de una plataforma para el análisis de datos y generación de modelos por medio de técnicas de Big Data y Machine Learning |
Autor : | Escuela Especializada en Ingeniería (ITCA-FEPADE) Martínez Pérez, Elvis Moisés López de Jiménez, Rina Elizabeth |
Fecha de publicación : | ene-2020 |
Editorial : | ITCA Editores |
Resumen : | Se construyeron e instalaron en coordinación con la UTEC, 3 estaciones de monitoreo de calidad del aire en ITCA-FEPADE Santa Tecla, San Miguel y La Unión. Estos dispositivos miden el nivel de contaminación del aire por material particulado de 2.5 y 10 micras de diámetro en las zonas donde están instalados. ITCA-FEPADE desarrolló un software de interpretación y predicción de dato de contaminación ambiental con Big Data y Machine Learning. Los datos de las estaciones son capturados en formato Big Data, los cuales son procesados por medio de una plataforma web diseñada, en donde se grafica el estado de la calidad del aire según la zona seleccionada. Se desarrolló además, un algoritmo de Machine Learning, el cual realiza una predicción de la calidad del aire para el término de un mes. Según aumente la cantidad de muestras así será el potencial de predicción para un día, semana, mes o año. La aplicación de los resultados de este proyecto con la construcción de más estaciones de monitoreo, permitirá lograr una cobertura a nivel nacional y medir con más detalle la calidad del aire que se respira en El Salvador, logrando así mejorar la toma de decisiones respecto al combate de la contaminación del aire y de las enfermedades respiratorias. |
URI : | http://hdl.handle.net/10972/4210 |
ISBN : | 978-99961-39-40-6 |
Aparece en las colecciones: | Informes de Investigación (ITCA-FEPADE) |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
02 Computación Calidad del Aire UTEC Ebook.pdf | 74 p. | 14.62 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons