Suarez Sierra Biviana MarcelaCoy Coy Jairo Iván2025-09-262025https://hdl.handle.net/10784/36660La contaminación atmosférica es una de las problemáticas ambientales de creciente relevancia a nivel global. La mala calidad del aire, particularmente en áreas urbanas, se ha convertido en un flagelo que, además de tener un impacto directo sobre la salud, contribuye de manera significativa al aumento de los índices de mortalidad en diversas partes del mundo. En este contexto, la región metropolitana del Valle de Aburrá se ve especialmente afectada, debido a sus condiciones topográficas y meteorológicas, sumadas a un elevado nivel de industrialización y al continuo crecimiento del parque automotor, lo que favorece la acumulación de gases y partículas contaminantes en la atmósfera. Este proyecto tiene como objetivo el desarrollo de un modelo sencillo y robusto basado en redes neuronales LSTM para el pronóstico de las concentraciones del contaminante PM$_{2.5}$. El propósito principal de esta herramienta es aportar a la gestión del riesgo asociado a los episodios críticos de calidad del aire en la región metropolitana, ayudando a mitigar los efectos adversos sobre la salud pública.Air pollution is one of the environmental issues of growing global relevance. Poor air quality, particularly in urban areas, has become a scourge that, in addition to having a direct impact on health, significantly contributes to the increase in mortality rates in various parts of the world. In this context, the metropolitan region of the Aburrá Valley is particularly affected due to its topographical and meteorological conditions, combined with a high level of industrialization and the continuous growth of the vehicle fleet, which favors the accumulation of gases and particulate matter in the atmosphere. This project aims to develop a simple and robust model based on LSTM neural networks, in order to forecast PM$_{2.5}$ pollutant concentrations. The main purpose of this tool is to contribute to the risk management associated with critical air quality episodes in the metropolitan region, helping to mitigate the adverse effects on public health.application/pdfspaTodos los derechos reservadosCalidad del aire, Material particulado, PM2.5, Redes neuronales LSTM, Machine Learning, Transfer Learning, Contaminación atmosférica, Series de tiempo, Gestión del riesgoinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessAir quality, Particulate matter, PM2.5, LSTM neural networks, Machine Learning, Transfer Learning, Atmospheric pollution, Time series, Risk managementAcceso abierto2025-09-26González, JavierCoy, JairoSuarez, Bivianareponame:Repositorio Institucional Universidad EAFITinstname:Universidad EAFITrepourl:https://repository.eafit.edu.cohttp://purl.org/coar/access_right/c_abf2