Predicción de la concentración de contaminantes atmosféricos basada en un clasificador asociativo de patrones
DOI:
https://doi.org/10.17533/udea.redin.13652Palabras clave:
clasificación de patrones, clasificador Gamma, predicción de contaminantes atmosféricosResumen
Desde hace poco más de tres lustros, el Reconocimiento de Patrones ha incidido en el tratamiento de datos concernientes a la protección del medio ambiente; en especial, diversos grupos de investigadores han utilizado algoritmos genéticos y redes neuronales artificiales en la predicción de datos relacionados con las ciencias atmosféricas y el medio ambiente. En este artículo se presentan los resultados de aplicar el clasificador Gamma en la predicción de valores futuros de concentración de contaminantes atmosféricos, obteniendo resultados competitivos (RMSE de 0,556382 ppm para monóxido de carbono).Descargas
Citas
K. Toepfer. Aliados Naturales: El Programa de las Naciones Unidas para el Medio Ambiente (PNUMA) y la sociedad civil. Ed. UNEP-United Nations Foundation. Hertfordshire. UK. 2004. pp. 16-22.
L. Hisas (editora). A Guide to the Global Environmental Facility (GEF) for NGOs. Ed. UNEP-United Nations Foundation. Buenos Aires. Argentina. 2005. pp. 25-71.
United Nations. Rio Declaration on Environment and Development (Earth Summit). Ed. United Nations Conference on Environment and Development. Rio de Janeiro. Brazil. 1992. pp. 1-6.
United Nations. Kyoto Protocol to The United Nations Framework Convention on Climate Change. Ed. United Nations Framework Convention on Climate Change. Kyoto. Japan. 1997. pp. 1-21.
Secretaría de Comercio y Fomento Industrial. Protección al Ambiente - Contaminación Atmosférica - Determinación de Neblina de Acido Fosfórico en los Gases que Fluyen por un Conducto. Norma Mexicana NMX-AA-090-1986. México. 1986.
Generalitat de Cataluña. Web del Departamento de Medio Ambiente y Vivienda de la Generalitat de Cataluña. 2007. Disponible en: http://mediambient. gencat.net/. Consultado el 16 de diciembre de 2010.
J. Burnetti, R. Manley, W. Mitchell, D. Varnadore. “Visualizing environmental data for program decision support”. Proc. IEEE Conference on Visualization. Vol. 1. 1991. pp. 398-404.
B. Kompare, S. Dzeroski. “Two artificial intelligence methods for knowledge synthesis from environmental data”. Computer techniques in environmental studies V. Vol. 2. 1994. pp. 265-272.
J. Hart, I. Hunt, V. Shankararaman. “Environmental Management Systems - a Role for AI?.” Proc. Binding Environmental Sciences and Artificial Intelligence BESAI’98. Ed. BESAI Working Group. Brighton. UK. 1998. pp. 1-9.
M. W. Gardner, S. R. Dorling. “Artificial neural networks (the multilayer perceptron)--a review of applications in the atmospheric sciences”. Atmospheric Environment. Vol. 32. 1998. pp. 2627-2636. DOI: https://doi.org/10.1016/S1352-2310(97)00447-0
G. Nunnari, A. F. M. Nucifora, C. Randieri. “The application of neural techniques to the modelling of time-series of atmospheric pollution data”. Ecological Modelling. Vol. 111. 1998. pp. 187-205. DOI: https://doi.org/10.1016/S0304-3800(98)00118-5
G. Spellman. “An application of artificial neural networks to the prediction of surface ozone”. Applied Geography. Vol. 19. 1999. pp. 123-136. DOI: https://doi.org/10.1016/S0143-6228(98)00039-3
E. Kalapanidas. N. Avouris. “Feature Selection Using a Genetic Algorithm Applied on an Air Quality Forecasting Problem”. Proc. Binding Environmental Sciences and Artificial Intelligence, BESAI 2002. Ed. BESAI Working Group. 2002. pp. 9.1-9.5.
C. Yáñez Márquez. Memorias Asociativas basadas en Relaciones de Orden y Operadores Binarios. Tesis de Doctorado. Instituto Politécnico Nacional. Centro de Investigación en Computación. México. 2002. pp. 53-62.
M. E. Acevedo Mosqueda. Memorias Asociativas Bidireccionales Alfa-Beta. Tesis de Doctorado. Instituto Politécnico Nacional. Centro de Investigación en Computación. México. 2006. pp. 35-89.
M. E. Acevedo Mosqueda, C. Yáñez Márquez, I. López Yáñez. “A New Model of BAM: Alpha-Beta Bidirectional Associative Memories”. Lecture Notes in Computer Science, LNCS 4263. Ed. Springer-Verlag. Berlin. Heidelberg. 2006. pp. 286-295. DOI: https://doi.org/10.1007/11902140_32
M. E. Acevedo Mosqueda, C. Yáñez Márquez, I. López Yáñez. “Alpha-Beta Bidirectional Associative Memories Based Translator”. International Journal of Computer Science and Network Security. Vol. 6. 2006. pp. 190-194. DOI: https://doi.org/10.1007/11925231_34
M. E. Acevedo Mosqueda, C. Yáñez Márquez, I. López Yáñez. “Alpha-Beta Bidirectional Associative Memories: Theory and Applications”. Neural Processing Letters. Vol. 26. 2007. pp. 1-40. DOI: https://doi.org/10.1007/s11063-007-9040-2
C. Yáñez-Márquez, E. M. Felipe-Riverón, I. LópezYáñez, R. Flores-Carapia. “A Novel Approach to Automatic Color Matching”. Lecture Notes in Computer Science. LNCS 4225. Ed. Springer-Verlag. Berlin. Heidelberg. 2006. pp. 529-538. DOI: https://doi.org/10.1007/11892755_55
I. Román Godínez. Aplicación de los modelos asociativos Alfa-Beta a la Bioinformática. Tesis de Maestría. Instituto Politécnico Nacional. Centro de Investigación en Computación. México. 2007. pp. 39-73.
I. Román Godínez, I. López Yáñez. “A New Classifier Based on Associative Memories”. Proc. 15th International Conference on Computing, CIC 2006. Ed. IEEE Computer Society. Washington, D.C.(USA). 2006. pp. 55-59. DOI: https://doi.org/10.1109/CIC.2006.13
E. Guzmán, O. Pogrebnyak, C. Yáñez Márquez. “Image Compression Algorithm Based on Morphological Associative Memories”. Lecture Notes in Computer Science. LNCS 4225. Ed. Springer-Verlag. Berlín. Heidelberg. 2006. pp. 519-528. DOI: https://doi.org/10.1007/11892755_54
C. Yáñez Márquez, M. E. Cruz Meza, F. A. Sánchez Garfias, I. López Yáñez. “Using Alpha-Beta Associative Memories to Learn and Recall RGB Images”. Lecture Notes in Computer Science. LNCS 4493. Ed. SpringerVerlag. Berlin. Heidelberg. 2007. pp. 828-833. DOI: https://doi.org/10.1007/978-3-540-72395-0_101
L. O. López Leyva, C. Yáñez Márquez, R. Flores Carapia, O. Camacho Nieto. “Handwritten Digit Classification Based on Alpha-Beta Associative Model”. Lecture Notes in Computer Science. LNCS 5197. Ed. Springer-Verlag. Berlin. Heidelberg. 2008. pp. 437-444. DOI: https://doi.org/10.1007/978-3-540-85920-8_54
I. López Yáñez. Clasificador Automático de Alto Desempeño. Tesis de Maestría. Instituto Politécnico Nacional, Centro de Investigación en Computación. México. 2007. pp. 24-44.
C. Yáñez Márquez, I. López Yáñez, G. de la L. Sáenz Morales. “Analysis and Prediction of Air Quality Data with the Gamma Classifier”. Lecture Notes in Computer Science, LNCS 5197. Ed. Springer-Verlag. Berlin. Heidelberg. 2008. pp. 651-658. DOI: https://doi.org/10.1007/978-3-540-85920-8_79
I. López Yáñez, C. Yáñez Márquez, V. M. Silva García. Forecasting Air Quality Data with the Gamma Classifier. Pattern Recognition. Y. Peng-Yeng (editor). Ed. INTECH. Croatia. 2009. pp. 499-512. Disponible en http://sciyo.com/articles/show/title/forecasting-airquality-data-with-the-gamma-classifier. DOI: https://doi.org/10.5772/7528
Secretaría del Medio Ambiente. “Sistema de Monitoreo Atmosférico de la Ciudad de México”. Disponible en: http:/www.sma.df.gob.mx/simat2/. Consultado el 25 de febrero de 2011.
Gobierno del Distrito Federal. “Norma Ambiental para el Distrito Federal”. Gaceta Oficial del Distrito Federal. Epoch XVI. 2006. Disponible en: http://www.sma.df.gob.mx/simat/PCAA/noviembre06_29_141_imeca.pdf. Consultado el 20 de febrero de 2011.
K. S Papadomanolakis, A. P. Kakarountas, N. Sklavos, C. E. Goutis. A Fast Johnson-Mobius Encoding Scheme for Fault Secure Binary Counters. Proc. Design, Automation and Test in Europe 2002. C.D. Kloos and J. da Franca(editors). Paris. France. 2002. pp. 1.
M. Hall, E. Frank, G. Holmes, B. Pfahringer, P. Reutemann, I. H. Witten. “The WEKA Data Mining Software: An Update”. SIGKDD Explorations. Vol. 11. 2009. pp. 10-18. DOI: https://doi.org/10.1145/1656274.1656278
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2018 Revista Facultad de Ingeniería
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter