A CNN adaptive model to estimate PM10 monitoring

Modelado de un sistema de supervisión de la calidad del aire usando técnicas de fusión de sensores y redes neuronales

“…Los autores emplearon las concentraciones máximas y promedios diarios de la temperatura, la presión atmosférica, la humedad relativa, del viento, de la cobertura de nubes y de la precipitación para el entrenamiento del MLP. En otro estudio, se implemento en la ciudad de Palermo (Italia) un modelo basado en una Red Neuronal Celular (CNN) y un conjunto de redes neuronales bayesianas para analizar la distribución y el control de la contaminación atmosférica [89]. El modelo emplea concentraciones de PM 10 y variables meteorológicas, tales como; lluvia, humedad relativa y velocidad y dirección de viento medidos en diferentes horas del día.…”

“…Recientemente, las RNA han experimentado un considerable progreso para modelar sistemas que relacionan la calidad del aire y variables meteorológicas [88][89][90][91][92]. Los Mapas Autoorganizados (SOM), un tipo de RNA con aprendizaje no supervisado es uno de los algoritmos comúnmente usados en numerosos estudios que relacionan la calidad del aire con situaciones meteorológicas [25][26][27][28][29][30].…”