Análisis de correlación en sistemas de vigilancia de calidad del aire con eventos socio económicos y/o culturales que afectan la calidad del aire en zonas urbanas de Bucaramanga utilizando técnicas computacionales para la extracción, comprensión y evaluación de datos publicados en Internet

dc.contributor.authorNaranjo Reyes, Kevin Alejandro
dc.contributor.researchgroupSemilleros de Investigación UNABspa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialBucaramanga (Santander, Colombia)spa
dc.coverage.temporal2020spa
dc.date.accessioned2023-11-12T18:22:08Z
dc.date.available2023-11-12T18:22:08Z
dc.date.issued2020-11
dc.description.abstractEl Índice de Calidad del Aire es una variable que permite reportar el estado de la calidad del aire en función de un código de colores que tienen asociadas recomendaciones generales para reducir la exposición de la población a altas concentraciones de contaminantes, se divide en seis categorías que son indicativas y cuyo propósito principal es comunicar de una manera fácil y eficaz a la población sobre los efectos del estado de la calidad del aire en su salud. El índice se centra en los efectos sobre la salud que puede experimentar la población en pocas horas o días, los cuales son más relevantes en grupos sensibles entre los que se encuentran los niños y los adultos mayores. Pero, ¿cómo relacionar esta clasificación que otorga el ICA con eventos que pasan en la ciudad?, cada evento, marcha, mal parqueo en las vías, operaciones en empresas entre otros factores son variables que afectan este índice. La contaminación del aire es un problema actualmente y se prevé que en el futuro el problema pueda empeorar, necesitamos identificar cuáles son los factores que nos afectan más para poder abordar soluciones optimizadas en función del costo beneficio, el identificar las variables más significativas en la calidad del aire usando análisis de datos con técnicas de inteligencia artificial podrían ser una solución para poder tener una magnitud estadística de cuáles son las variables más significativasspa
dc.description.abstractenglishThe Air Quality Index is a variable that allows reporting the state of air quality based on a color code that has associated general recommendations to reduce the population's exposure to high concentrations of pollutants, it is divided into six categories that They are indicative and whose main purpose is to communicate easily and effectively to the population about the effects of the state of air quality on their health. The index focuses on the health effects that the population can experience in a few hours or days, which are more relevant in sensitive groups, including children and the elderly. But, how to relate this classification granted by the ICA with events that happen in the city? Each event, march, bad parking on the roads, operations in companies among other factors are variables that affect this index. Air pollution is a problem today and it is expected that in the future the problem may worsen, we need to identify which are the factors that affect us the most to be able to address optimized solutions based on cost benefit, identifying the most significant variables in quality of the air using data analysis with artificial intelligence techniques could be a solution to be able to have a statistical magnitude of which are the most significant variablesspa
dc.description.learningmodalityModalidad Presencialspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.issnISSN 2344-7079spa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/22732
dc.language.isospaspa
dc.publisher.deparmentSistema de Investigación SIUNABspa
dc.publisher.facultyFacultad Ingeniería
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programPregrado Ingeniería Mecatrónica
dc.relation.ispartofseriesGeneración Creativa : Encuentro de Semilleros de Investigación UNABspa
dc.relation.references[1] Bastidas Sanchez, J. D., Vanegas, J. S., & Pachon, J. E. (2019). Identificación de perfiles de fuentes de emisión a través de la caracterización quimica y modelamiento de material particulado PM10, PM2.5 y material susceptible a resuspensión en la ciudad de Bogota. Bogota: Universidad de Lasalle, Ciencia Unisalle .spa
dc.relation.references[2] Gautam, J., & Kumar, S. (14-16 Oct. 2016). Real time sentiment analysis of tweets using Naive Bayes. Dehradun, India: 2nd International Conference on Next Generation Computing Technologies (NGCT).spa
dc.relation.references[3] junMa, JackCP, & Tan, Y. (1 October 2019). Improving air quality prediction accuracy at larger temporal resolutions using deep learning and transfer learning techniques. Atmospheric Environment.spa
dc.relation.references[4] MathWorks. (n.d.). Statistics and Machine Learning Toolbox. Retrieved from mathworks: https://www.mathworks.com/help/stats/index.htmlspa
dc.relation.references[5] Naranjo Torres, D. A. (2019). Desarrollo de una aplicación móvil para el monitoreo de la calidad del aire en Quito. Quito: Quito: Universidad de las Américas, 2019.spa
dc.relation.references[6] Oliphant, T. E., & University, B. Y. ( 2007). Python for Scientific Computing. Computing in Science & Engineering , 20.spa
dc.relation.references[7] Ongsulee, P. (22-24 Nov. 2017). Artificial intelligence, machine learning and deep learning. Bangkok, Thailand: 15th International Conference on ICT and Knowledge Engineering (ICT&KE).spa
dc.relation.references[8] Pacsi Valdivia, S. A. (2015). SPATIAL AND TEMPORAL ANALYSIS OF THE AIR QUALITY DETERMINED BY PARTICULATE MATTER PM10 AND PM2,5 IN METROPOLITAN LIMA. Lima, Peru: Universidad Nacional Agraria La Molina, Lima - Perú.spa
dc.relation.references[9] Pierina Xiomara Gálvez Arias, P. J. (2018). Análisis de publicaciones en redes sociales para empresas utilizando inteligencia artificial. PERSPECTIV@S. Revista de Tecnología e Información .spa
dc.relation.urihttp://hdl.handle.net/20.500.12749/14245
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.sourceNaranjo, K. A. (2020). Análisis de correlación en sistemas de vigilancia de calidad del aire con eventos socio económicos y/o culturales que afectan la calidad del aire en zonas urbanas de Bucaramanga utilizando técnicas computacionales para la extracción, comprensión y evaluación de datos publicados en Internet. Recuperado de: http://hdl.handle.net/20.500.12749/22732spa
dc.subject.keywordsAnalysis of dataspa
dc.subject.keywordsArtificial intelligencespa
dc.subject.keywordsCorrelationspa
dc.subject.keywordsInvestigationspa
dc.subject.keywordsClassificationspa
dc.subject.keywordsExtractionspa
dc.subject.keywordsStatistics and machine learningspa
dc.subject.keywordsDeep learningspa
dc.subject.lembAnálisis de datosspa
dc.subject.lembInteligencia artificialspa
dc.subject.lembCorrelaciónspa
dc.subject.lembInvestigaciónspa
dc.subject.proposalClasificaciónspa
dc.subject.proposalExtracciónspa
dc.subject.proposalEstadística y machine learningspa
dc.subject.proposalDeep learningspa
dc.titleAnálisis de correlación en sistemas de vigilancia de calidad del aire con eventos socio económicos y/o culturales que afectan la calidad del aire en zonas urbanas de Bucaramanga utilizando técnicas computacionales para la extracción, comprensión y evaluación de datos publicados en Internetspa
dc.title.translatedCorrelation analysis in surveillance systems air quality with socioeconomic events and/or cultural factors that affect air quality in urban areas of Bucaramanga using computational techniques for data extraction, understanding and evaluation published on the Internetspa
dc.typeConferenceeng
dc.type.coarhttp://purl.org/coar/resource_type/c_f744
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.driverinfo:eu-repo/semantics/conferenceProceedingsspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersionspa
dc.type.localMemoria de eventosspa
dc.type.redcolhttp://purl.org/redcol/resource_type/EC_AC

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
2020_Articulo_Naranjo_Reyes_Kevin_Alejandro.pdf
Tamaño:
89.81 KB
Formato:
Adobe Portable Document Format
Descripción:
Artículo

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
829 B
Formato:
Item-specific license agreed upon to submission
Descripción: