Modelo para la Predicción de la Calidad del Aire mediante Machine LearninConference On Innovation 252 (Ponencia)
DesarrollarunmodelopredictivoparaestimarlosnivelesdePM2.5enBogotáutilizandoredesneuronalesrecurrentesLSTM,apartirdedatosabiertosdecalidaddelaire.
- Autores:
-
Gonzalez Gutierrez, Angie Marcela
Contreras Gomez, Cindi Paola
- Tipo de recurso:
- Fecha de publicación:
- 2025
- Institución:
- Universidad Libre
- Repositorio:
- RIU - Repositorio Institucional UniLibre
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unilibre.edu.co:10901/32042
- Acceso en línea:
- https://hdl.handle.net/10901/32042
- Palabra clave:
- Modelo predictivo
Redes neuronales recurrentes
Predictive model
Inteligencia Artificial
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
| id |
RULIBRE2_48826c3db8e07d2bf0a8c99aa47fa617 |
|---|---|
| oai_identifier_str |
oai:repository.unilibre.edu.co:10901/32042 |
| network_acronym_str |
RULIBRE2 |
| network_name_str |
RIU - Repositorio Institucional UniLibre |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Modelo para la Predicción de la Calidad del Aire mediante Machine LearninConference On Innovation 252 (Ponencia) |
| dc.title.alternative.spa.fl_str_mv |
Presentation Model for Air Quality Prediction Using Machine Learning at Conference on Innovation 252 |
| title |
Modelo para la Predicción de la Calidad del Aire mediante Machine LearninConference On Innovation 252 (Ponencia) |
| spellingShingle |
Modelo para la Predicción de la Calidad del Aire mediante Machine LearninConference On Innovation 252 (Ponencia) Modelo predictivo Redes neuronales recurrentes Predictive model Inteligencia Artificial |
| title_short |
Modelo para la Predicción de la Calidad del Aire mediante Machine LearninConference On Innovation 252 (Ponencia) |
| title_full |
Modelo para la Predicción de la Calidad del Aire mediante Machine LearninConference On Innovation 252 (Ponencia) |
| title_fullStr |
Modelo para la Predicción de la Calidad del Aire mediante Machine LearninConference On Innovation 252 (Ponencia) |
| title_full_unstemmed |
Modelo para la Predicción de la Calidad del Aire mediante Machine LearninConference On Innovation 252 (Ponencia) |
| title_sort |
Modelo para la Predicción de la Calidad del Aire mediante Machine LearninConference On Innovation 252 (Ponencia) |
| dc.creator.fl_str_mv |
Gonzalez Gutierrez, Angie Marcela Contreras Gomez, Cindi Paola |
| dc.contributor.advisor.none.fl_str_mv |
Santa Quintero, Ricardo Andres |
| dc.contributor.author.none.fl_str_mv |
Gonzalez Gutierrez, Angie Marcela Contreras Gomez, Cindi Paola |
| dc.subject.spa.fl_str_mv |
Modelo predictivo Redes neuronales recurrentes |
| topic |
Modelo predictivo Redes neuronales recurrentes Predictive model Inteligencia Artificial |
| dc.subject.subjectenglish.spa.fl_str_mv |
Predictive model |
| dc.subject.lemb.spa.fl_str_mv |
Inteligencia Artificial |
| description |
DesarrollarunmodelopredictivoparaestimarlosnivelesdePM2.5enBogotáutilizandoredesneuronalesrecurrentesLSTM,apartirdedatosabiertosdecalidaddelaire. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-10-14T12:27:27Z |
| dc.date.available.none.fl_str_mv |
2025-10-14T12:27:27Z |
| dc.date.created.none.fl_str_mv |
2025-10-13 |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.local.spa.fl_str_mv |
Tesis de Pregrado |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10901/32042 |
| url |
https://hdl.handle.net/10901/32042 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
OpenAQ. (2024). OpenAQAPI documentation(v3). Recuperado de https://openaq.org Secretaría Distrital de Ambiente de Bogotá. (2024). Red de Monitoreo de Calidad del Aire de Bogotá (RMCAB). Recuperado de https://ambientebogota.gov.co/calidad-del-aire Organización Mundial de la Salud. (2023). Guías de calidad del aire: actualizaciones globales 2023. OMS. Recuperado de https://www.who.int/es Conciliac. (2023). Conoce las 6 ventajas del machine learningen la gestión de datos. Recuperado de https://conciliac.com/es/conoce-las-6-ventajas-del-machine-learning-en-la-gestion-de-datos/ Cheng, J., & Liu, Y. (2022). Air qualitypredictionusingLSTM neural networks: A case studyin urbanenvironments. EnvironmentalModelling& Software, 157, 105519. https://doi.org/10.1016/j.envsoft.2022.105519 Zhang, Y., Li, K., & Wang, J. (2021). Deep learningapproachesforair qualityforecasting: A review. AtmosphericEnvironment, 244, 117929. https://doi.org/10.1016/j.atmosenv.2020.117929 |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Atribución-NoComercial-SinDerivadas 2.5 Colombia http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.spa.fl_str_mv |
MP4 |
| dc.coverage.spatial.spa.fl_str_mv |
Bogotá |
| institution |
Universidad Libre |
| bitstream.url.fl_str_mv |
http://repository.unilibre.edu.co/bitstream/10901/32042/4/Formato%20autorizaci%c3%b3n%20PUBLICACI%c3%93N%20DE%20OBRAS%20-%20Video1.pdf.jpg http://repository.unilibre.edu.co/bitstream/10901/32042/3/license.txt http://repository.unilibre.edu.co/bitstream/10901/32042/1/Ponencia%20Modelo%20para%20la%20Predicci%c3%b3n%20de%20la%20Calidad%20del%20Aire%20mediante%20Machine%20LearninConference%20On%20Innovation%20252.mp4 http://repository.unilibre.edu.co/bitstream/10901/32042/2/Formato%20autorizaci%c3%b3n%20PUBLICACI%c3%93N%20DE%20OBRAS%20-%20Video1.pdf |
| bitstream.checksum.fl_str_mv |
720469da57edca931575dd67fec2df14 8a4605be74aa9ea9d79846c1fba20a33 e9f9ccc73c9d1466c0f681869b1593b5 b41348564a0605fc28384b93d098da9c |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Unilibre |
| repository.mail.fl_str_mv |
repositorio@unilibrebog.edu.co |
| _version_ |
1851053900117835776 |
| spelling |
Santa Quintero, Ricardo AndresGonzalez Gutierrez, Angie MarcelaContreras Gomez, Cindi PaolaBogotá2025-10-14T12:27:27Z2025-10-14T12:27:27Z2025-10-13https://hdl.handle.net/10901/32042DesarrollarunmodelopredictivoparaestimarlosnivelesdePM2.5enBogotáutilizandoredesneuronalesrecurrentesLSTM,apartirdedatosabiertosdecalidaddelaire.Universidad libre, ingenieria, sistemasDevelop a predictive model to estimate PM2.5 levels in Bogotá using LSTM recurrent neural networks, based on open air quality data.MP4spahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Atribución-NoComercial-SinDerivadas 2.5 Colombiainfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Modelo predictivoRedes neuronales recurrentesPredictive modelInteligencia ArtificialModelo para la Predicción de la Calidad del Aire mediante Machine LearninConference On Innovation 252 (Ponencia)Presentation Model for Air Quality Prediction Using Machine Learning at Conference on Innovation 252Tesis de Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fOpenAQ. (2024). OpenAQAPI documentation(v3). Recuperado de https://openaq.orgSecretaría Distrital de Ambiente de Bogotá. (2024). Red de Monitoreo de Calidad del Aire de Bogotá (RMCAB). Recuperado de https://ambientebogota.gov.co/calidad-del-aireOrganización Mundial de la Salud. (2023). Guías de calidad del aire: actualizaciones globales 2023. OMS. Recuperado de https://www.who.int/esConciliac. (2023). Conoce las 6 ventajas del machine learningen la gestión de datos. Recuperado de https://conciliac.com/es/conoce-las-6-ventajas-del-machine-learning-en-la-gestion-de-datos/Cheng, J., & Liu, Y. (2022). Air qualitypredictionusingLSTM neural networks: A case studyin urbanenvironments. EnvironmentalModelling& Software, 157, 105519. https://doi.org/10.1016/j.envsoft.2022.105519Zhang, Y., Li, K., & Wang, J. (2021). Deep learningapproachesforair qualityforecasting: A review. AtmosphericEnvironment, 244, 117929. https://doi.org/10.1016/j.atmosenv.2020.117929THUMBNAILFormato autorización PUBLICACIÓN DE OBRAS - Video1.pdf.jpgFormato autorización PUBLICACIÓN DE OBRAS - Video1.pdf.jpgIM Thumbnailimage/jpeg32075http://repository.unilibre.edu.co/bitstream/10901/32042/4/Formato%20autorizaci%c3%b3n%20PUBLICACI%c3%93N%20DE%20OBRAS%20-%20Video1.pdf.jpg720469da57edca931575dd67fec2df14MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repository.unilibre.edu.co/bitstream/10901/32042/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53ORIGINALPonencia Modelo para la Predicción de la Calidad del Aire mediante Machine LearninConference On Innovation 252.mp4Ponencia Modelo para la Predicción de la Calidad del Aire mediante Machine LearninConference On Innovation 252.mp4Ponenciavideo/mp4117999060http://repository.unilibre.edu.co/bitstream/10901/32042/1/Ponencia%20Modelo%20para%20la%20Predicci%c3%b3n%20de%20la%20Calidad%20del%20Aire%20mediante%20Machine%20LearninConference%20On%20Innovation%20252.mp4e9f9ccc73c9d1466c0f681869b1593b5MD51Formato autorización PUBLICACIÓN DE OBRAS - Video1.pdfFormato autorización PUBLICACIÓN DE OBRAS - Video1.pdfapplication/pdf289193http://repository.unilibre.edu.co/bitstream/10901/32042/2/Formato%20autorizaci%c3%b3n%20PUBLICACI%c3%93N%20DE%20OBRAS%20-%20Video1.pdfb41348564a0605fc28384b93d098da9cMD5210901/32042oai:repository.unilibre.edu.co:10901/320422025-10-15 06:00:32.321Repositorio Institucional Unilibrerepositorio@unilibrebog.edu.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 |