Saldarriaga Aristizábal, Pablo Andrés2026-05-222026-02-17https://hdl.handle.net/10784/37595La 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.application/pdfspaTodos los derechos reservadosCalidad del aireContaminantes criterioSIATAMachine LearningPronóstico de contaminantesValle del Aburráinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessCIENCIA DE LA INFORMACIÓNCONTAMINACIÓN DEL AIRE - VALLE DEL ABURRÁ (COLOMBIA)DIÓXIDO DE AZUFRE - PRUEBASCONTAMINACIÓN ATMOSFÉRICA - VALLE DEL ABURRÁ (COLOMBIA)SALUD PÚBLICA - ASPECTOS AMBIENTALES - VALLE DEL ABURRÁ (COLOMBIA)Acceso abierto2026-05-22Gómez Jiménez, José Manuelreponame:Repositorio Institucional Universidad EAFITinstname:Universidad EAFITrepourl:https://repository.eafit.edu.cohttp://purl.org/coar/access_right/c_abf2