Aplicación de modelos de aprendizaje de máquina e imágenes digitales para el pronóstico de la calidad del aire.
Loading...
Date
2022-07-03
Authors
Link to resource
DOI
Google Scholar
Cvlac
gruplac
description domain:
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Santo Tomás
Share
PDF documents
Loading...
Resumen
La contaminación atmosférica representa graves impactos sobre la salud de la población; particularmente la exposición a altas concentraciones de ozono troposférico puede provocar problemas respiratorios y cardiovasculares, es por esto que un sistema eficiente de seguimiento y monitoreo de la calidad del aire es de gran beneficio para la salud humana y el control de la contaminación atmosférica. En esta investigación, se aborda el pronóstico de la calidad del aire mediante la aplicación de modelos de aprendizaje de maquina e imágenes digitales en función del índice de calidad del aire (ICA) para el contaminante O3, haciendo uso de la técnica de redes neuronales convolucionales, bajo una arquitectura de modelado VGG16. Para evaluar el método propuesto, se creó un conjunto de datos que contiene un total de 366 imágenes, registradas a las 07:00 y 12:00 horas del día, en dirección de cuatro localidades de la ciudad de Bogotá, durante un periodo de tiempo establecido de marzo a octubre del año 2021.El conjunto de imágenes fue clasificado frente a los datos recopilados de las estaciones de monitoreo de: Las Ferias, Puente Aranda, Centro de Alto Rendimiento y Fontibón. El entrenamiento y validación del modelo se ejecutó a 50 épocas y un tamaño de lote de 64 muestras. El modelo identifico tres categorías del índice de calidad del aire (ICA); buena, aceptable y dañina a la salud de grupos sensibles. Los resultados de las métricas de rendimiento del modelo para estas categorías reflejan en términos de accuracy (70%), (50%) y (46%) respectivamente, sin embargo, se establece, que se puede mejorar dicho rendimiento aplicando estrategias de sobre muestreo y refinamiento de algoritmos. El modelo propuesto es válido contrastado a lo identificado en la literatura y puede ser una herramienta prometedora para la clasificación de imágenes digitales.
Abstract
Air pollution represents serious impacts on the health of the population; particularly exposure to high concentrations of tropospheric ozone can cause respiratory and cardiovascular problems, which is why an efficient air quality monitoring system is of great benefit to human health and air pollution control. In this research, air quality forecasting is addressed through the application of machine learning models and digital images as a function of the air quality index (AQI) for the pollutant O3, making use of the convolutional neural network technique, under a VGG16 modeling architecture. To evaluate the proposed method, a dataset was created containing a total of 366 images, recorded at 07:00 and 12:00 hours of the day, in the direction of four localities of the city of Bogotá, during a period of time established from March to October 2021.The set of images was classified against the data collected from the monitoring stations of: Las Ferias, Puente Aranda, Centro de Alto Rendimiento and Fontibón. The training and validation of the model was run at 50 epochs and a batch size of 64 samples. The model identified three categories of air quality index (AQI); good, acceptable and harmful to the health of sensitive groups. The results of the model performance metrics for these categories reflect in terms of accuracy (70%), (50%) and (46%) respectively, however, it is established that the performance can be improved by applying strategies of oversampling and algorithm refinement. The proposed model is valid in contrast to what has been identified in the literature and can be a promising tool for digital image classification.
Language
spa
Keywords
Citation
García Rojas, R. A. y Calderón Rivera, D. (2022). Aplicación de modelos de aprendizaje de máquina e imágenes digitales para el pronóstico de la calidad del aire. [Trabajo de grado, Universidad Santo Tomás]. Repositorio institucional.
Collections
Creative commons license
Atribución-NoComercial-SinDerivadas 2.5 Colombia