Publicación: Predicción de concentración de SO2 en el aire usando machine learning
Fecha
2026-02-17
Autores
Gómez Jiménez, José Manuel
dc.contributor.advisor
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
Descripción
La calidad del aire es un tema de creciente preocupación a nivel mundial debido al impacto de la contaminación atmosférica en la salud y el medio ambiente. Los contaminantes criterio, como el material particulado (PM), el monóxido de carbono (CO), el ozono (O3), el dióxido de nitrógeno (NO2) y el dióxido de azufre (SO₂), representan un riesgo significativo, vinculándose con enfermedades respiratorias y cardiovasculares, además de contribuir al cambio climático. En el Valle de Aburrá, esta problemática se agrava debido a las características topográficas de la región, que limitan la dispersión de contaminantes e intensifican los episodios de mala calidad del aire. A pesar de los avances en monitoreo a través del Sistema de Alerta Temprana del Valle de Aburrá (SIATA), los esfuerzos predictivos se han enfocado principalmente en el PM₂.₅, dejando un vacío en la predicción de otros contaminantes criterio. Este proyecto propone desarrollar modelos de machine learning que, utilizando datos históricos y variables ambientales, mejoren la predicción de contaminantes enfocada en el SO₂, proporcionando, mediante el uso de diferentes modelos de machine learning, herramientas para mejorar la gestión ambiental. Esto permitirá fortalecer las estrategias de mitigación y la toma de decisiones, reduciendo los impactos en la salud pública y el entorno natural de la región.
Palabras clave
Citación
dc.relation.uri
dc.identifier.doi
dc.rights
Todos los derechos reservados