Red Neuronal Artificial aplicado para el pronóstico de eventos críticos de PM2.5 en el Valle de Aburra.-Reference-Cited by-同舟云学术

Red Neuronal Artificial aplicado para el pronóstico de eventos críticos de PM2.5 en el Valle de Aburra.

Published:2019-04-01 Issue:209 Volume:86 Page:347-356
ISSN:2346-2183
Container-title:DYNA
language:
Short-container-title:DYNA

Author:

Baena Salazar Daniela

Abstract

Las grandes implicaciones que tiene en la salud humana la exposición a eventos de contaminación atmosférica, puede tener repercusiones en la calidad de vida, economía, y en la calidad de los ecosistemas de una ciudad. Con la posibilidad de prever un evento crítico, se habilita la opción de tomar medidas adecuadas para la mitigación o incluso la prevención dichos impactos. En este documento, se ha desarrollado y se ha probado un modelo de Redes Neuronales Artificiales (RNA) para pronosticar la concentración diaria del material particulado menor a 2.5 micras (PM2.5) en el Valle de Aburrá (Colombia), con un día de anticipación. Esto, a partir de información de tres estaciones de la Red de Monitoreo de Calidad del Aire del Área Metropolitana.

Publisher

Universidad Nacional de Colombia

Subject

General Engineering

Reference35 articles.

1. B. Bert and H. T, Stephen, “Air Pollution and Health,” Air Pollut. Heal., vol. 360, pp. 115–148, 1999.doi. 10.1016/B978-012352335-8/50083-1

2. R. Rückerl, A. Schneider, S. Breitner, J. Cyrys, and A. Peters, “Health effects of particulate air pollution: A review of epidemiological evidence,” Inhal. Toxicol., vol. 23, no. 10, pp. 555–592, 2011.doi. 10.3109/08958378.2011.593587

3. A. Cantelli, F. D’Orta, A. Cattini, F. Sebastianelli, and L. Cedola, “Application of genetic algorithm for the simultaneous identification of atmospheric pollution sources,” Atmos. Environ., vol. 115, pp. 36–46, 2015.doi. 10.1016/j.atmosenv.2015.05.030

4. Y. Zhang, M. Bocquet, V. Mallet, C. Seigneur, and A. Baklanov, “Real-time air quality forecasting, part I: History, techniques, and current status,” Atmos. Environ., vol. 60, pp. 632–655, Dec. 2012. doi. 10.1016/j.atmosenv.2012.06.031

5. Y. Bai, Y. Li, X. Wang, J. Xie, and C. Li, “Air pollutants concentrations forecasting using back propagation neural network based on wavelet decomposition with meteorological conditions,” Atmos. Pollut. Res., Feb. 2016.doi. 10.1016/j.apr.2016.01.004

Cited by 4 articles. 订阅此论文施引文献订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献

1. Analysis and prediction of PM2.5 in Medellin based on seasonal time series*;2023 IEEE Colombian Caribbean Conference (C3);2023-11-22

2. Design of an early alert system for PM2.5 through a stochastic method and machine learning models;Environmental Science & Policy;2022-01

3. A support vector machine model to forecast ground-level PM2.5 in a highly populated city with a complex terrain;Air Quality, Atmosphere & Health;2020-10-02

4. Specification and Construction of the Perceptron Multicapa Model;Handbook of Research on IT Applications for Strategic Competitive Advantage and Decision Making;2020