Modelos deep learning en logística urbana para la predicción de la calidad del aire en la ciudad de Bucaramanga

Simple item page
dc.contributor.advisorLamos Díaz, Henry
dc.contributor.advisorRamírez Sierra, Yuly Andrea
dc.contributor.authorAbril Ortiz, Paula Andrea
dc.contributor.authorPorras Ojeda, Édgar Leonardo
dc.date.accessioned2023-04-06T04:07:44Z
dc.date.available2023
dc.date.available2023-04-06T04:07:44Z
dc.date.created2019
dc.date.issued2019
dc.description.abstractEl aumento de la población de las últimas décadas y el flujo de personas de las zonas rurales a las grandes ciudades ha ocasionado un incremento del volumen de desplazamientos de pasajeros y mercancías, llevando a la sobresaturación de la circulación vehicular y al aumento de las necesidades de movilidad para satisfacer la competitividad comercial y la calidad de vida de sus habitantes, convirtiendo el tráfico en un factor relevante en la contaminación del aire y un importante elemento de riesgo medioambiental para la salud de grupos vulnerables como mujeres, niños y adultos mayores. Por ello, la gestión óptima de la movilidad urbana se enfoca un modelo capaz de cubrir tanto el aumento de la urbanización como su impacto en la calidad del aire, lo cual representa un reto para los gobiernos a nivel mundial en cuanto el diseño y ejecución de metodologías y estrategias orientadas la reducción de los niveles de contaminación del aire en pro de mejorar la salud cardiovascular y respiratoria de la población. Teniendo en cuenta lo anterior, este proyecto se orienta a la aplicación, valoración y comparación de modelos Deep Learning (DL) entre ellos el LSTM, analizando los datos meteorológicos y de material particulado de tres estaciones de monitoreo ambiental del Área -Metropolitana de Bucaramanga AMB, con el objetivo de obtener un modelo predictivo que apoye la planeación de estrategias orientadas a mejorar la calidad del aire.
dc.description.abstractenglishThe increase in population in recent decades and the migration of people from rural areas to large cities have led to an increase in the volume of movements of passengers and goods, leading to the oversaturation of the vehicular traffic and the increase of mobility needs to satisfy business competitiveness and the quality of life of the inhabitants, thus, traffic has become an important factor of the air pollution and an important element of environmental risk for vulnerable groups health such as women, children and elderly. For this reason, the optimal urban mobility management is focused on a model that can cover the increase of urbanization and the air pollution impact, which represents a challenge to governments at a global scale in terms of design and implementation of methodologies and strategies for reducing air pollution levels to improve cardiovascular and respiratory health quality of the population. Taking into consideration what has been previously stated, this project heads towards the application, assessment and comparison of Deep Learning models (DL) among them LSTM model, analyzing the meteorological data and particulate material in the three environment monitoring stations located in Bucaramanga with the purpose of obtaining a predictive model that supports the planning of strategies that might improve the air quality.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Industrial
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/13578
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería Industrial
dc.publisher.schoolEscuela de Estudios Industriales y Empresariales
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectLogística urbana
dc.subjectDeep Learning
dc.subjectCalidad del aire
dc.subjectRedes neuronales
dc.subjectMaterial particulado
dc.subjectContaminación del aire
dc.subject.keywordUrban Logistics
dc.subject.keywordDeep Learning
dc.subject.keywordAir Quality
dc.subject.keywordNeural Networks
dc.subject.keywordParticulate Material
dc.subject.keywordAir Pollution
dc.titleModelos deep learning en logística urbana para la predicción de la calidad del aire en la ciudad de Bucaramanga
dc.title.englishDeep learning models in urban logistics for air quality prediction in the city of Bucaramanga
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
391.92 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
3.26 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
537.89 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería Industrial