ESTIMACIÓN DE LA CALIDAD DEL AIRE DEL CONTAMINANTE OZONO (0 3 ) EN NOGALES, SONORA UTILIZANDO REDES NEURONALES. TECNOLÓGICO NACIONAL DE MÉXICO Instituto.

Presentación del tema: "ESTIMACIÓN DE LA CALIDAD DEL AIRE DEL CONTAMINANTE OZONO (0 3 ) EN NOGALES, SONORA UTILIZANDO REDES NEURONALES. TECNOLÓGICO NACIONAL DE MÉXICO Instituto."— Transcripción de la presentación:

1 ESTIMACIÓN DE LA CALIDAD DEL AIRE DEL CONTAMINANTE OZONO (0 3 ) EN NOGALES, SONORA UTILIZANDO REDES NEURONALES. TECNOLÓGICO NACIONAL DE MÉXICO Instituto Tecnológico de Nogales H. NOGALES, SONORA, MÉXICO OCTUBRE 2015.

2 Examen o Presentación PARA OBTENER EL GRADO DE TECNOLÓGICO NACIONAL DE MÉXICO Instituto Tecnológico de Nogales MAESTRO EN SISTEMAS COMPUTACIONALES PRESENTA C. GABRIEL ANTONIO LÓPEZ VALENCIA DIRECTOR M.C. SIGIFREDO GARCÍA ALVA H. NOGALES, SONORA, MÉXICO OCTUBRE 2015.

3 CONTENIDOCONTENIDO 1.- INTRODUCCIÓN2.- ANTECEDENTES 3.-MARCO TEORICO4.-ANALISIS 5.-DISEÑO 6.-IMPLEMENTACION 7.- RESULTADOS8.- TRABAJOS FUTUROS

4 Si en un día soleado, en pleno campo, miramos a nuestro alrededor o volvemos la vista al cielo, recibimos la impresión de estar rodeados por una masa de aire interminable. Y sin embargo, la atmósfera constituye una película bastante sutil que envuelve al planeta en que nos hospedamos. Lo cierto es que si redujéramos la tierra a las dimensiones de una bola de billar, el 99% del aire quedaría contenido cómodamente en una capa de menos de un décimo de milímetro. Dentro de este limitado espesor se encuentran todas nuestras reservas de oxígeno, sustancia que nos es necesaria para nuestras funciones vitales INTRODUCCIÓN

5 La Contaminación del Aire La contaminación del aire es una seria amenaza a la salud de las personas y el ambiente, tanto en países desarrollados, como en aquellos en vías de desarrollo. El desarrollo de grandes concentraciones industriales y urbanas a lo largo de los siglos XIX y XX ha situado la contaminación atmosférica como uno de los problemas más importantes de la sociedad. ANTECEDENTES

6 Planteamiento del problema Y el problema es que no se cuenta con información de los niveles de contaminación del Ozono (O3) ni de pronósticos de este contaminante en la ciudad de Nogales Sonora. Ya que la mayoría de proyectos que ofrecen este tipo de información solo se interesan en las grandes ciudades o áreas metropolitanas con mayor afluencia vehicular o industrial, dejando fuera pequeñas o medianas ciudades. ANTECEDENTES

7 Será posible estudiar el comportamiento del contaminante ozono (O 3 ) en el aire para analizar e implementar un modelo de estimación de los niveles de este contaminante con datos históricos agrupados en 1 día, 6 días. Hipótesis Objetivo General Analizar, diseñar e implementar un sistema de información que ayude a conocer y estimar los niveles de la calidad del aire con respecto al agente contaminante ozono (O 3 ) mediante la aplicación de redes neuronales artificiales (RNA), utilizando los datos de la estación de monitoreo de la calidad ANTECEDENTES

8 ESTADO DEL ARTE Predicción meteorológica mediante redes neuronales en Loja Ecuador, (2010) Aplicaciones de redes neuronales al pronóstico de temperatura mínima en la provincia de Mendoza, Argentina (2006) Predicción del máximo de Ozono utilizando metodología ARIMA sobre datos monitorizados de calidad del aire de Valladolid, España (2002) Comparación de redes neuronales y modelos de regresión para la predicción de ozono, Tucson Arizona (2012) Aplicación de redes neuronales artificiales para la predicción de calidad del aire Bahía Blanca, Argentina (2008) Un sistema de predicción de los niveles de ozono máximos diarios, País Vasco (2003) Pronóstico de la concentración de ozono en Guadalajara-México, usando redes neuronales (2008)

9 ORGANISMOS OPERADORES DEL MEDIO AMBIENTE EN MEXICO Secretaría de Medio Ambiente y Recursos Naturales (SEMARNAT) Instituto Nacional de Ecología y Cambo Climático (INECC) Comisión de Ecología y Desarrollo Sustentable del Estado de Sonora (CEDES) VARIBLES METEOROLÖGICAS 4.- Temperatura ( ⁰ C ) 5.-Radiación Solar (W/m² ) 6.- Velocidad del viento (Km/h) 7.-Humedad (%) 8.-Presión (mbar) 9.-Precipitación (mm) AGENTE CONTAMINANTE 1.-Ozono (O 3 2.-Dióxidos de Nitrógeno (NO ₂ ) 3.-Óxidos de Nitrógeno NO MARCO TEÓRICO

10 Técnicas de Inteligencia Artificial Lógica Difusa Cuanto más cerca se ve un problema del mundo real, más borrosa se ​​ vuelve su solución. es una herramienta matemática para hacer frente a la incertidumbre. Ofrece a una asociación soft computing el importante concepto de la computación con palabras. Algoritmos Genéticos son preferentemente utilizados como métodos de búsqueda de soluciones óptimas que simulan la evolución natural y han sido usados con éxitos en la solución de problemas de optimización combinatoria, optimización de funciones reales y como mecanismos de aprendizaje de máquina (machine learning) Redes Neuronales El cerebro humano es el sistema de cálculo más complejo que conoce el hombre. El ordenador y el hombre realizan diferentes clases de tareas; así la operación de reconocer el rostro de una persona resulta una tarea relativamente sencilla para el hombre y difícil para el ordenador. MARCO TEÓRICO

11 REDES NEURONALES ARTIFICIALES Las RNA al margen de "parecerse" al cerebro presentan una serie de características propias del cerebro. Aprender: adquirir el conocimiento de una cosa por medio del estudio, ejercicio o experiencia. Las RNA pueden cambiar su comportamiento en función del entorno. Se les muestra un conjunto de entradas y ellas mismas se ajustan para producir unas salidas consistentes. Generalizar: extender o ampliar una cosa. Las RNA generalizan automáticamente debido a su propia estructura y naturaleza. Estas redes pueden ofrecer, dentro de un margen, respuestas correctas a entradas que presentan pequeñas variaciones debido a los efectos de ruido o distorsión. Abstraer: aislar mentalmente o considerar por separado las cualidades de un objeto. Algunas RNA son capaces de abstraer la esencia de un conjunto de entradas que aparentemente no presentan aspectos comunes o relativos. MARCO TEÓRICO

12 COMPONENTES DE UNA RED NEURONAL DIAGRAMA DE UNA RED NEURONAL ARTIFICIAL

13 A Cada hora debe cumplir con el 75% (45min.) de datos completos, norma mexicana Selección del archivo.xls Importar los datos a SQL (Tabla Históricos) Inicio Se emplea el proceso ETL, Limpieza Datos Los datos no se guardan y se muestra msn de “Datos ya existen” ¿Desea probar otro archivo? Se cargan a la base de datos pero no se consideran para la agrupación Guardar en base de datos Validar si los datos ya existen Empieza a entrenar la RNA utilizando los datos Se agrupan los datos del contamínate Ozono en 1 hrs., 8 hrs., y 24 hrs. Según norma Méx. FIN En este proceso se lleva a cabo la predicción de la calidad del aire (O 3 ) Se grafican los datos obtenidos y se guardan Guardar las topologías RNA entrenadas A SI NO SI ANALISIS Y DISEÑO

14 Diagrama a bloques del sistema propuesto Login Sistema Consultas Entrenar Predecir C. Datos Documentos Acerca de Cerrar Sesión ANALISIS Y DISEÑO

15

16 IMPLEMENTACION / MENU PRINCIPAL

17 IMPLEMENTACION / CARGAR DATOS

18 IMPLEMENTACION / ETL-DATOS

19 IMPLEMENTACION / ENTRENAMIENTO

20 IMPLEMENTACION / PREDICCIONES

21 IMPLEMENTACION / CONSULTAS

22 ARQUITECTURA DE RNA (8X2X1) Esta estructura de red neuronal artificial está conformada por 8 capas de entrada, 2 capas ocultas y 1 capa de salida, a continuación se muestra un diseño de la arquitectura que se forma de manera abstracta con el código de C# al momento de entrenar y predecir una RNA. 1 2 3 8 4 7 5 6 1 2 1 RESULTADOS

23

24 ARQUITECTURA DE RNA (8X4X1) Esta estructura de red neuronal artificial está conformada por 8 capas de entradas, 4 capas ocultas y 1 capa de salida a continuación mostramos un diseño de la arquitectura que se forma de manera abstracta con el código de C# al momento de entrenar y predecir una RNA. 1 2 3 8 4 7 5 6 1 2 3 4 1 RESULTADOS

25

26 ARQUITECTURA DE RNA (8X6X1) Esta estructura de red neuronal artificial está conformada por 8 capas de entradas, 6 capas ocultas y 1 capa de salida, a continuación se muestra un diseño de la arquitectura que se forma de manera abstracta con el código de C# al momento de entrenar y predecir una RNA. 1 2 3 8 4 7 5 6 1 1 2 3 4 5 6 RESULTADOS

27

28 Es muy importante el estudio de algoritmos de inteligencia artificial, como las redes neuronales que son una herramienta de desarrollo y automatización que dan respuestas a problemas complejos no lineales y con un número elevado de datos que antes no se podían hacer en tiempos de respuesta relativamente pequeños como se hacen ahora. Indistintamente de la arquitectura de red neuronal artificial que selecciones, pero con la alimentación de datos agrupados en 24 horas, es cuando se obtienen los valores más apegados a los reales. Cabe mencionar que el proceso ETL es muy importante para los resultados de este sistema. Esto no quiere decir que con otros rangos de fechas y con otras agrupaciones de datos siempre se vaya a comportar igual. Cualquier alteración o cambio en los rangos de fechas, agrupación de datos, arquitectura de la red neuronal y propiedades los resultados de estimaciones pueden variar. El objetivo de esta investigación se ha logrado, ya que se implementó una interfaz que nos permite seleccionar la fecha de los contaminantes que serán utilizados para calcular la estimación del ozono (O 3 ), así como la arquitectura de red neuronal artificial comprobando de esta forma la hipótesis propuesta al inicio de este estudio. RESULTADOS Y CONCLUSIONES

29 T RABAJOS FUTUROS 1.El trabajo inmediato, es poder probar el modelo óptimo de entrenamiento de la RNA, con datos de los otros agentes contaminantes que intervengan en la contaminación de la calidad del aire y de igual forma poder predecir este contaminante para hacer accesible esta información a los diversos sectores de la región. 2.Otro de los proyectos que se pueden realizar o llevar acabo es la de migrar este modelo de predicción a un sistema móvil (app) y poder difundir su uso para que la población éste informada de manera constante. 3.También se puede probar este modelo de entrenamiento de la RNA, para la estimación de estos agentes contaminantes desde una plataforma libre (Open Source) y poder validar el desempeño y eficiencia de este modelo en un sistema operativo distinto de Windows. 4.Otros trabajos que se pueden proponer a este, será implementar una RNA autoentrenable con fines de predicción de contaminantes de la calidad del aire y atmosféricos, dependiendo de los resultados, y así poder extender la aplicación de esta interfaz a otras áreas (como podría ser el medio social e industrial) en donde la inteligencia artificial podría jugar un papel determinante.

30 PREGUNTAS…? GRACIAS…!