Modelado de un sistema de supervisión de la calidad del aire usando técnicas de fusión de sensores y redes neuronales

Tesis doctoral de José Miguel Barrón Adame

La contaminación atmosférica es un problema importante de salud ambiental que afecta a muchos países. La ciudad de salamanca (guanajuato, méxico) tiene graves problemas de contaminación atmosférica, y se encuentra catalogada como una de las más contaminadas en el país. Las causas principales de contaminación atmosférica en salamanca son fuentes fijas y constantes de emisión como industrias químicas y de generación eléctrica. Los efectos ambientales en el aire son graves y se han hecho importantes esfuerzos por medir las concentraciones de dióxido de azufre (so2) y partículas menores a 10 micrómetros (pm10), principales contaminantes en la ciudad. Actualmente, las estimaciones del índice de la calidad del aire (ica) reportadas por las autoridades ambientales se realizan con el promedio móvil de las concentraciones de contaminantes por punto de monitorización sin considerar los factores climáticos. Por otra parte, estudios relacionados con la contaminación atmosférica han demostrado que los episodios severos de contaminación atmosférica se deben no sólo a incrementos repentinos en las concentraciones de contaminantes sino también a ciertas condiciones meteorológicas que disminuyen la capacidad de la atmósfera para dispersar estas concentraciones. en la presente tesis doctoral se propone un modelo de supervisión inteligente que combina las técnicas de fusión de datos de sensores (fds) y redes neuronales artificiales (rna) y contribuye a determinar de forma automática el ica en la ciudad de salamanca. El modelo, integra a las variables meteorológicas de dirección y velocidad de viento para determinar los efectos de estas en las concentraciones de contaminantes y determinar el nivel de contaminación atmosférica. la metodología consistió en analizar las series temporales (por minuto) de las xxvi resumen concentraciones de contaminantes y las variables de dirección y velocidad de viento para generar patrones de entrenamiento con información relevante y representativa que puedan ser usados para entrenar una rna de mapas auto-organizados (som). Para generar los patrones de entrenamiento se consideraron los valores de las concentraciones máximas y mínimas diarias de cada contaminante con los de sus variables asociadas de dirección y velocidad de viento. El proceso para obtener la red som resultante consistió en crear y entrenar una red som con cuatro neuronas. Los resultados obtenidos fueron analizados y evaluados con los niveles de contaminación establecidos por autoridades ambientales. Otra red som fue creada y entrenada con una neurona adicional. El criterio de evaluación se volvió a realizar y a evaluar hasta que se obtuvieron los mejores resultados. la red som demostró su capacidad como potente clasificador no lineal que presenta la ventaja de poder extraer información subyacente en conjuntos de medidas provenientes de sensores a la vez que hace la función de fusión de datos. Con la fds se obtiene una ganancia cuantitativa (valores de velocidad y dirección de viento que determinan los valores de las concentraciones de contaminantes) de información respecto a la información que se obtiene bajo la consideración de los diferentes sensores de contaminantes por separado, como se ha realizado hasta ahora en el cálculo del ica. Junto a esta ganancia cuantitativa se obtiene también una ganancia de carácter cualitativo (información del comportamiento de la contaminación atmosférica), que ayuda a tomar decisiones al respecto de alguna contingencia ambiental. con el modelo y metodología propuestos e implementados se obtiene, mediante los efectos de las variables de dirección y velocidad de viento en las concentraciones de contaminantes, 1) la clasificación automática en cada una de las estaciones de monitorización de las concentraciones de contaminantes en los niveles de calidad del aire; 2) una representación del nivel de calidad del aire en la ciudad y 3) la determinación automática de posibles episodios de contaminación, aspecto muy importante al clasificar datos de sensores de contaminación que presentan en general cierta inestabilidad.

 

Datos académicos de la tesis doctoral «Modelado de un sistema de supervisión de la calidad del aire usando técnicas de fusión de sensores y redes neuronales«

  • Título de la tesis:  Modelado de un sistema de supervisión de la calidad del aire usando técnicas de fusión de sensores y redes neuronales
  • Autor:  José Miguel Barrón Adame
  • Universidad:  Politécnica de Madrid
  • Fecha de lectura de la tesis:  03/11/2010

 

Dirección y tribunal

  • Director de la tesis
    • Diego Andina De La Fuente
  • Tribunal
    • Presidente del tribunal: manuel Recuero lopez
    • Francisco Javier Ropero peláez (vocal)
    • rubén Ruelas lepe (vocal)
    • daniel Ruiz fernández (vocal)

 

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Scroll al inicio