Sporathe knowledge network
ES
Pontificia Universidad Javeriana

Maestría en Ingeniería del Internet de las Cosas

Predicción de la concentración de material particulado en el aire basado en aprendizaje de máquina en el borde

Record only. The repository marks this work as “De acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.”: the PDF is not public, so there is no text to read here. View the record in the repository.

Abstract

El impacto de la mala calidad del aire en la salud humana y el medio ambiente ha cobrado cada vez más relevancia en el mundo. Diferentes estudios han demostrado que el aumento de emisiones contaminantes tiene graves repercusiones en la salud humana, como problemas cardíacos y respiratorios, y en el medio ambiente, donde afecta la visibilidad y agrava el cambio climático. Por lo tanto, predecir la calidad del aire se ha vuelto fundamental con el paso de los años. Actualmente, se han realizado numerosos estudios de investigación científica sobre el pronóstico de la calidad del aire utilizando técnicas de Machine Learning (ML) y Deep Learning (DL) debido a su alto rendimiento. Sin embargo, la mayoría de los sistemas que implementan dichos modelos son altamente costosos computacionalmente, están centrados en el desarrollo en la nube y se enfocan en la predicción en áreas donde ya existen estaciones de monitoreo establecidas, las cuales suelen ser escasas debido a su alto costo y difícil despliegue. Pocos trabajos han explorado otras soluciones, como la integración con Edge Computing, que puede representar una alternativa de bajo costo con un rendimiento similar. Por consiguiente, este documento propone una solución híbrida de borde y nube, que consiste en el diseño y desarrollo de un sistema de predicción de calidad del aire basado en la medición de material particulado y la información meteorológica, integrando mecanismos de aprendizaje de máquina en el borde. Este desarrollo incluye una plataforma web para la visualización y generación de alertas, con el fin de informar al público sobre la calidad del aire. Además, permitirá distribuir los requisitos computacionales de un solo servidor en la nube a un conjunto de nodos en el borde, lo que reducirá la cantidad de información que debe enviarse a la nube, sin aumentar la complejidad y el coste de los dispositivos de borde.

Keywords