Mostrar el registro sencillo del ítem
Efecto de las variables meteorológicas en la concentración de contaminantes atmosféricos en la ciudad de Bogotá, utilizando algoritmos de minería de datos
dc.contributor.advisor | Figueredo Medina, Manuel Alfredo | |
dc.contributor.advisor | Cobo Ángel, Martha Isabel | |
dc.contributor.author | Franceschi García, Fabiana Fernanda | |
dc.date.accessioned | 2017-10-17T19:21:34Z | |
dc.date.available | 2017-10-17T19:21:34Z | |
dc.date.created | 2017 | |
dc.date.issued | 2017-10-17 | |
dc.identifier.citation | Alcaldía Mayor de Bogotá. (2009). Conociendo la localidad de Puente Aranda: Diagnóstico de los aspectos físicos, demográficos y socioeconómicos. Recuperado 2 Noviembre, 2016, de http://oab2.ambientebogota.gov.co/es/documentacion-einvestigaciones/resultado-busqueda/conociendo-la-localidad-de-puente-aranda.pdf | |
dc.identifier.citation | Antanasijevic, D. Z., Pocajt, V. V, Povrenovic, D. S., Ristic, M. Ð., & Peric-Grujic, A. a. (2013). PM(10) emission forecasting using artificial neural networks and genetic algorithm input variable optimization. The Science of the Total Environment, 443, 511–9. http://doi.org/10.1016/j.scitotenv.2012.10.110 | |
dc.identifier.citation | Arias, A. A. (2014). Aplicación de técnicas de minería de datos para búsqueda de relaciones entre variables que responden a series de tiempo, caso de estudio contaminación atmosférica localidad de Puente Aranda. Tesis de grado. Pontificia Universidad Javeriana, Bogotá, D.C., Colombia. | |
dc.identifier.citation | Arroyo, Á., Herrero, Á., Tricio, V., & Corchado, E. (2016). Analysis of meteorological conditions in Spain by means of clustering techniques. Journal of Applied Logic, 1, 1–14. http://doi.org/10.1016/j.jal.2016.11.026 | |
dc.identifier.citation | Ausati, S., & Amanollahi, J. (2016). Assessing the accuracy of ANFIS , EEMD-GRNN , PCR , and MLR models in predicting PM2.5. Atmospheric Environment, 142, 465–474. http://doi.org/10.1016/j.atmosenv.2016.08.007 | |
dc.identifier.citation | Bai, Y., Li, Y., Wang, X., Xie, J., & Li, C. (2016). Air pollutants concentrations forecasting using back propagation neural network based on wavelet decomposition with meteorological conditions. Atmospheric Pollution Research, 1–10. http://doi.org/10.1016/j.apr.2016.01.004 | |
dc.identifier.citation | Benavides, H. (2003). Pronóstico de la concentración de material particulado por chimeneas industriales en Bogotá. Tesis de Maestría, Universidad Nacional de Colombia , Facultad de Ciencias, Departamento de Geociencias, Bogotá, D.C., Colombia. | |
dc.identifier.citation | Blanco-Becerra, L. C., Gáfaro-Rojas, A. I., & Rojas-Roa, N. Y. (2015). Influence of precipitation scavenging on the PM2.5/PM10 ratio at the Kennedy locality of Bogotá, Colombia. Revista Facultad de Ingeniería Universidad de Antioquia, (76), 58–65. http://doi.org/10.17533/udea.redin.n76a07 | |
dc.identifier.citation | Bravo Alvarez, H., Sosa Echeverria, R., Sanchez Alvarez, P., & Krupa, S. (2013). Air Quality Standards for Particulate Matter (PM) at high altitude cities. Environmental Pollution (Barking, Essex : 1987), 173, 255–6. http://doi.org/10.1016/j.envpol.2012.09.025 | |
dc.identifier.citation | Castillo, A. (2013a). Dinámica de la construcción por sus usos, localidad Suba. Preparado por el Observatorio Técnico Catastral, Alcaldía Mayor de Bogotá, Bogotá, D.C., Colombia. | |
dc.identifier.citation | Castillo, A. (2013b). Dinámica de la construcción por usos, localidad Kennedy. Preparado por el Observatorio Técnico Catastral, Alcaldía Mayor de Bogotá, Bogotá, D.C., Colombia. | |
dc.identifier.citation | Cortina-Januchs, M. G., Quintanilla-Dominguez, J., Vega-Corona, A., & Andina, D. (2015). Development of a model for forecasting of PM10 concentrations in Salamanca, Mexico. Atmospheric Pollution Research, 6(4), 626–634. http://doi.org/10.5094/apr.2015.071 | |
dc.identifier.citation | Csavina, J., Field, J., Félix, O., Corral-avitia, A. Y., Sáez, A. E., & Betterton, E. A. (2014). Science of the Total Environment Effect of wind speed and relative humidity on atmospheric dust concentrations in semi-arid climates. Science of the Total Environment, The, 487, 82–90. http://doi.org/10.1016/j.scitotenv.2014.03.138 | |
dc.identifier.citation | De Gennaro, G., Trizio, L., Di Gilio, A., Pey, J., Pérez, N., Cusack, M., … Querol, X. (2013). Neural network model for the prediction of PM10 daily concentrations in two sites in the Western Mediterranean. Science of the Total Environment, 463–464, 875–883. http://doi.org/10.1016/j.scitotenv.2013.06.093 | |
dc.identifier.citation | Delen, D. (2014). Real-World Data Mining: Applied Business Analytics and Decision Making. New Jersey: Pearson Education. | |
dc.identifier.citation | Donnelly, A., Misstear, B., & Broderick, B. (2011). Science of the Total Environment Application of nonparametric regression methods to study the relationship between NO 2 concentrations and local wind direction and speed at background sites. Science of the Total Environment, The, 409(6), 1134–1144. http://doi.org/10.1016/j.scitotenv.2010.12.001 | |
dc.identifier.citation | Elangasinghe, M. A., Singhal, N., Dirks, K. N., Salmond, J. A., & Samarasinghe, S. (2014). Complex time series analysis of PM 10 and PM 2 . 5 for a coastal site using arti fi cial neural network modelling and k-means clustering. Atmospheric Environment, 94, 106–116. http://doi.org/10.1016/j.atmosenv.2014.04.051 | |
dc.identifier.citation | Faussett, L. (1994). Fundamentals of Neural Networks Architectures, Algorithms, and Applications. New Jersey: Prentice-Hall, Inc. | |
dc.identifier.citation | Feng, X., Li, Q., Zhu, Y., Hou, J., Jin, L., & Wang, J. (2015). Artificial neural networks forecasting of PM2.5 pollution using air mass trajectory based geographic model and wavelet transformation. Atmospheric Environment, 107, 118–128. http://doi.org/10.1016/j.atmosenv.2015.02.030 | |
dc.identifier.citation | Gaitan, M., & Behrentz, E. (2009). Evaluación del Estado de la Calidad del Aire en Bogotá. Mic, 1(7), 1–13. Recuperado de http://oab.ambientebogota.gov.co/es/documentacion-einvestigaciones/resultado-busqueda/evaluacion-del-estado-de-la-calidad-del-aire-enbogota | |
dc.identifier.citation | García-Ubaque, J. C., Garcia-Ubaque, C. A., & Vaca-Bohórquez, M. L. (2011). Medical consultation in productive age population related with air pollution levels in Bogota city. Procedia Environmental Sciences, 4, 165–169. http://doi.org/10.1016/j.proenv.2011.03.020 | |
dc.identifier.citation | García Avila, P. A. (2013). Implementación del software estadístico Openair para el procesamiento y análisis de la información de la base de datos de la red de calidad de aire de Bogotá. Tesis de Maestría. Universidad Nacional de Colombia, Departamento de Ingeniería Química y Ambiental. Bogotá, D.C., Colombia. | |
dc.identifier.citation | Guerrero, O. J. (2013). Desarrollo de una metodología para evaluar la cobertura espacial de la Red de Monitoreo de la Calidad del Aire de Bogotá. Tesis de Maestría. Universidad Nacional de Colombia, Departamento de Ingeniería Química y Ambiental. Bogotá, D.C., Colombia. | |
dc.identifier.citation | Guo, Z. . B., Mosley, J. M., & Fortmann, R. . (2000). Fine Particulate Matter Emissions from Candles. Engineering Solutions to IAQ Problems. National Service Center for Environmental Publications (NSCEP). | |
dc.identifier.citation | Han, J., Kamber, M., & Jian, P. (2012). Data Mining: Concepts and Techniques (3era Ed.) FMassachusetts: Morgan Kaufmann, El Sevier. | |
dc.identifier.citation | Han, S., Bian, H., Feng, Y., Liu, A., Li, X., Zeng, F., & Zhang, X. (2011). Analysis of the Relationship between O3 , NO and NO2 in Tianjin , China, (2), 128–139. http://doi.org/10.4209/aaqr.2010.07.0055 | |
dc.identifier.citation | Instituto de Hidrología Meteorología y Estudios Ambientales. (2016). Informe del Estado de la Calidad del Aire en Colombia 2011-2015. Recuperado Enero 10, 2017 de http://documentacion.ideam.gov.co/openbiblio/bvirtual/023637/Informe_del_Estado_de_la_Calidad_del_Aire_en_Colombia_2011-2015_vfinal.pdf | |
dc.identifier.citation | Jayamurugan, R., Kumaravel, B., Palanivelraja, S., & Chockalingam, M. P. (2013). Influence of Temperature, Relative Humidity and Seasonal Variability on Ambient Air Quality in a Coastal Urban Area. International Journal of Atmospheric Sciences, vol. 2013, Article ID 264046, 7 pages, 2013. doi:10.1155/2013/264046 | |
dc.identifier.citation | Ji, X., Han, M., Yun, Y., Li, G., & Sang, N. (2015). Acute nitrogen dioxide (NO2) exposure enhances airway inflammation via modulating Th1/Th2 differentiation and activating JAK-STAT pathway. Chemosphere, 120, 722–8. http://doi.org/10.1016/j.chemosphere.2014.10.039 | |
dc.identifier.citation | Jollife, I. . (1986). Principal Component Analysis. New York: Springer Science + Business Media, LLC. | |
dc.identifier.uri | http://hdl.handle.net/10818/31655 | |
dc.description | 132 Páginas. | es_CO |
dc.description.abstract | Durante el presente estudio se aplicaron técnicas de minería de datos para establecer relaciones entre las variables meteorológicas de la ciudad de Bogotá (velocidad y dirección del viento, temperatura, precipitación, humedad relativa y radiación solar) y la concentración de los contaminantes atmosféricos (O3, PM10, PM2,5, SO2, NO2 y CO), medidos por la red de monitoreo local en 13 estaciones, y se desarrollaron modelos de predicción para la concentración de PM10, PM2,5 y NO2 para 4 estaciones. Las técnicas Análisis de Componentes Principales (ACP) y k-medios se utilizaron para establecer relaciones entre variables, encontrar patrones de agrupación, y determinar las variables más influyentes en el comportamiento de los datos. Los modelos de predicción se desarrollaron a través de Redes Neuronales Artificiales RNA-PMC (Perceptrón Multicapa) considerando los resultados de k-medios como variable de entrada. Por medio de la aplicación de la técnica ACP, se pudo establecer las siguientes relaciones: el PM10 presentó una correlación positiva con el precursor NO2, la componente meridional de la velocidad del viento, la temperatura y la humedad relativa, y negativa con la velocidad del viento y la radiación solar. En cuanto al PM2,5 se correlacionó positivamente con las componentes meridional y zonal de la velocidad del viento, humedad relativa y la concentración de PM10, y negativamente con la temperatura y la radiación solar. Se determinó que las variables meteorológicas más influyentes en la calidad del aire de Bogotá son la velocidad del viento, la componente meridional de la velocidad del viento y la temperatura. Al comparar la forma en la que los datos se agruparon por estación, se pudo encontrar patrones entre las estaciones Carvajal, Tunal y Puente Aranda, y también entre Parque Simón Bolívar y Las Ferias. | es_CO |
dc.format | application/pdf | es_CO |
dc.language.iso | spa | es_CO |
dc.publisher | Universidad de La Sabana | es_CO |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.source | Universidad de La Sabana | |
dc.source | Intellectum Repositorio Universidad de La Sabana | |
dc.subject | Meteorología | |
dc.subject | Contaminantes | |
dc.subject | Minería de datos | |
dc.subject | Monitoreo ambiental | |
dc.subject | Bogotá | |
dc.title | Efecto de las variables meteorológicas en la concentración de contaminantes atmosféricos en la ciudad de Bogotá, utilizando algoritmos de minería de datos | es_CO |
dc.type | masterThesis | es_CO |
dc.publisher.program | Maestría en Diseño y Gestión de Procesos | es_CO |
dc.publisher.department | Facultad de Ingeniería | es_CO |
dc.identifier.local | 266455 | |
dc.identifier.local | TE09291 | |
dc.type.local | Tesis de maestría | |
dc.type.hasVersion | publishedVersion | es_CO |
dc.rights.accessRights | restrictedAccess | es_CO |
dc.creator.degree | Magíster en Diseño y Gestión de Procesos | es_CO |