Desarrollo de un modelo matemático base, mediante la aplicación de la teoría de redes neuronales, para la predicción de episodios críticos de contaminación atmosférica

ISBN

ISSN

item.page.issne

item.page.doiurl

Facultad

Facultad de Ciencias

Departamento o Escuela

Instituto de Ciencias Biológicas y Químicas

Determinador

Recolector

Especie

Nota general

Licenciado en Ingeniería Ambiental
Título de Ingeniero Ambiental

Resumen

Los modelos predictivos para el estudio de la atmósfera y la concentración de contaminación en ella, tienen el objetivo de realizar un pronóstico confiable de la contaminación atmosférica en un futuro cercano, que permita tomar a tiempo medidas adecuadas con el fin de evitar la ocurrencia de una situación crítica. Actualmente, es de principal necesidad el contar con un modelo confiable para la predicción de episodios de contaminación, y evitar así gastos y molestias innecesarias, al momento de evaluar impacto ambiental o aplicar medidas de mitigación y poder tomar medidas oportunas. Las redes neuronales representan una alternativa a los modelos matemáticos clásicos, y han demostrado ser, en muchos otros casos, de mayor eficiencia que ellos. Este proyecto propone desarrollar un sistema experto basado en la teoría de las redes neuronales, que modele la dinámica de la atmósfera con el objetivo de predecir eventos de contaminación. La metodología a aplicar en este proyecto consiste en diseñar una red neuronal que efectúe el análisis de las variables ambientales atmosféricas y de contaminación relacionadas con la aparición de episodios críticos de contaminación en la ciudad de Valparaíso, y entregue como resultado la probabilidad de ocurrencia de estos eventos atmosféricos. Se espera que la metodología aquí propuesta de cómo resultado el prototipo de un modelo funcional y aplicable a la realidad, que represente una alternativa de predicción para los episodios de contaminación.

Descripción

Lugar de Publicación

Auspiciador

Palabras clave

CONTAMINACION DEL AIRE, MEDIDAS DE PROTECCION, IMPACTO AMBIENTAL -- EVALUACION, REDES NEURONALES

Licencia

URL Licencia