Anteproyecto Irving

download Anteproyecto Irving

of 13

  • date post

    23-Jan-2016
  • Category

    Documents

  • view

    16
  • download

    0

Embed Size (px)

description

redes neuronales para la calidad en interiores

Transcript of Anteproyecto Irving

Universidad Jurez Autnoma de TabascoDivisin Acadmica de Ciencias Biolgicas

Estimacin de la concentracin con base al PM10 del aire dentro de los edificios de la Divisin Acadmica de Ciencias Biolgicas mediante RNA

Anteproyecto de TESIS

Para obtener el Ttulo deIngeniero Ambiental

Presentan:Irving

AsesoresMISA Elizabeth Magaa VillegasDr. Carlos

Villahermosa, Tabasco. Septiembre de 2015

1. INTRODUCCINEn las ltimas dcadas en nuestro pas al igual que en otros pases del mundo se ha observado un gran avance industrial aunado al crecimiento acelerado de la poblacin y por consiguiente al aumento en la demanda de bienes y servicios, por ejemplo: el incremento en el parque vehicular, generan grandes cantidades de emisiones de gases y partculas ajenas al aire ambiente, llamados contaminantes atmosfricos. El exceso de stos contaminantes provoca el deterioro de la calidad del aire que respiramos con consecuencias dainas tanta a las especies animales y vegetales de la regin como a los habitantes de la ciudad (Sastre et al, 2013).

Las sustancias contaminantes generalmente se originan de forma natural y de las actividades humanas, y representan un peligro para la salud de los seres vivos que estn expuestos a ellas. Gracias a la preocupacin de los pases, por la emisin y los efectos de estos contaminantes, se han desarrollado numerosos estudios acerca del comportamiento, el origen y transporte de los mismos (Gao et al., 2014; Gens et al., 2014; Katsoyiannis & Bogdal, 2012). De igual forma, se han implementado estrategias de mitigacin y control de la contaminacin en el aire, an con resultados insuficientes.

Considerando que la exposicin a los contaminantes del aire puede causar efectos agudos (corto plazo) y crnicos (largo plazo) en la salud. Los efectos crnicos en la salud incluyen la disminucin de la capacidad pulmonar y cncer a los pulmones debido a un prolongado perodo de exposicin a contaminantes del aire. En Mxico se han realizado estudios de la contaminacin del aire en el exterior, que cuantifican un incremento en la morbilidad o mortalidad asociada a la contaminacin principalmente por PM10 y Ozono (NOM-025-SSA1-1993). De igual manera la exposicin a la contaminacin atmosfrica fue responsable de 38,000 muertes por cncer pulmonar, enfermedades cardio-pulmonares e infecciones respiratorias durante el perodo 2001-2005. El 38% de esas muertes ocurri en la zona metropolitana del Valle de Mxico y el 23% en las zonas metropolitanas de Guadalajara, Monterrey, Toluca y en la ciudad de Puebla. Se estim que 5 mil muertes correspondieron a nios. Los efectos de la contaminacin urbana por materia particulada en la mortalidad infantil fueron mayores en Toluca y Puebla con 0.53 y 0.43 por cada 1.000 nios, respectivamente, frente a 0.18% en las otras zonas urbanas (Stevens et al., 2008).

Sin embargo, recientes investigaciones han demostrado la presencia de contaminantes en el aire interior, en concentraciones mayores a las del aire exterior (Chen et al., 2013; Vukovic et al., 2014). De la misma forma, se ha comprobado que las personas pasan la mayor parte del tiempo de sus vidas en stos espacios (Katsoyiannis & Bogdal, 2012; Branco et al., 2014; Silva-Almeida et al., 2014), y con esto, la sociedad se ha vuelto ms vulnerable a la exposicin frecuente de altos niveles de contaminantes, teniendo como consecuencia el desarrollo de enfermedades respiratorias, cardiovasculares e incluso cancergenas.

En este contexto, la presente investigacin, tiene como objetivo

JUSTIFICACIN

La contaminacin en interiores est poco estudiadaSe ha demostrado que la contaminacin en el interior es mayor que la del exteriorHay la necesidad de saber los niveles de exposicin de las personas que pasan muchas horas en el interiorEconmicamente no es posible tener medidores de calidad del aire en interiores Redes neuronales son herramientas que han demostrado mucha efectividad en problemticas multiparametricas.

2. MARCO TERICO

CALIDAD DEL AIRE

La contaminacin atmosfrica es la presencia de material indeseable, contaminantes, en el aire, en cantidades significativas como para producir efectos nocivos. Los contaminantes pueden daar la salud humana, la vegetacin, los bienes humanos o el medio ambiente global, as como crear mala apariencia y olores desagradables. Las fuentes principales de stos contaminantes son las actividades humanas, las cuales se encuentran ntimamente asociadas con nuestro estndar de calidad de vida. El remedio propuesto en la mayor parte de los pases industriales es continuar las actividades y controlar las emisiones contaminantes del aire que provengan de estas fuentes (Nevers, 1998).

1.1 CONTAMINANTES EN INTERIORES Y SUS EFECTOS A LA SALUD

LA CONTAMINACIN DEL INTERIOR DEPENDE DE LAS ACTIVIDADES DENTRO DEL RECINTO Y DE LA CONTAMINACIN FUERA DEL RECITO Ya que los contaminantes del exterior mediante un mecanismo de adveccin son transportados al interior

REDES NEURONALES ARTIFICIALES

Qu son?, Cmo estn constituidas? Y Cmo funcionan?Antecedentes tericos de Redes Neuronales Artificiales (RNAs)Las RNAs son modelos computacionales que tratan de replicar, de manera simplificada, el complejo funcionamiento del cerebro humano. Las redes neuronales artificiales son sistemas de procesamiento de informacin, desarrolladas por cientficos cognitivos con el propsito de entender el sistema nervioso biolgico e imitar los mtodos computacionales del cerebro (Shachmurove, 2002) y su impresionante habilidad para reconocer patrones (Tkacz, 1999) [11]. El elemento funcional bsico del cerebro es la neurona. La neurona, a su vez, est conformada por un cuerpo o soma, unas dendritas y un axn. Cada neurona recibe estmulos elctricos de otras neuronas a travs de las dendritas. En el soma se lleva a cabo la integracin de toda la informacin obtenida en las dendritas. Estos estmulos son amplificados o disminuidos durante la sinapsis y luego sumados. Finalmente, si la suma de todos los estmulos es mayor que el umbral de resistencia mximo de la neurona, entonces el axn transmite a otras clulas el mensaje resultante de la integracin. Estas conexione sinpticas, cuya intensidad es variable, se usan para enviar mensajes entre neuronas. Las neuronas coleccionan la informacin y aprenden patrones al reforzar sus conexiones tal como se muestra en la figura 1. Las redes neuronales artificiales se inspiran en la estructura y funciones de las neuronas biolgicas. Una red neuronal artificial es esencialmente una coleccin de neuronas interconectadas, agrupadas en capas. La neurona artificial recibe distintos valores de entrada (inputs) que son multiplicados por una ponderacin. En el escenario ms simple, estos productos son sumados para obtener un valor de salida (output). La forma ms bsica de red neuronal se encuentra estrechamente vinculada con las tcnicas economtricas de regresin estndar. Este tipo de red simplificada posee dos capas, una de inputs y otra de output que se observa en la figura 2 [11]. Figura 2 representacin matemtica de una neurona artificial.

Existen diferentes maneras de entrenar una red que son reglas de aprendizaje una de ellas es la regla de retro-propagacin (backpropagation) propuesta en 1986, por rumelhart, Hinton y Willians [Rummelhart 86], basndose en los trabajos de otros investigadores [Werbos 74] [Parker 82] formalizaron un mtodo para que una red aprendiera la asociacin que existe entre los patrones de entradas y las clases correspondientes, utilizando ms niveles de neuronas que los que uso Rosenblatt para desarrollar el Perceptrn. Este mtodo tambin puede ser llamado como (propagacin del error hacia atrs) [11].Se requiere de ingresar informacin a las neuronas de entrada, que se va propagando a travs de todas las capas superiores de la red hasta generar la salida de la red, se compara el resultado obtenido las neuronas de salida (output) con los valores de salida deseados (target) y se al calcula el error para cada neurona en la capa de salida. Se transmite esto errores hacia atrs, partiendo de la salida, hacia todas las neuronas de la capa intermedia que contribuyan directamente a la salida, recibiendo el porcentaje del error aproximado a la participacin de la neurona intermedia a la salida original [11].La importancia de la red Backpropagation adapta sus pesos de las neuronas de la capa intermedia para aprender la relacin que existe entre un conjunto de patrones dados como ejemplo y sus salidas correspondientes [11]. El objetivo principal de cualquier tcnica de optimizacin es encontrar el ptimo (o los ptimos) globales de cualquier problema. En matemticas, existe un rea que se ocupa de desarrollar los formalismos que nos permitan garantizar la convergencia de un mtodo hacia el optimo global de un problema. Apropiadamente, se denomina utilizo una tcnica evolutiva para problemas de optimizacin con restricciones lineales. La idea principal de su propuesta era usar un individuo factible el cual se modificaba a travs de un operador de mutacin hacia un conjunto de direcciones posibles de movimiento. Al extender esta tcnica a problemas ms complejos, utilizo adems operadores de recombinacin especializados optimizacin global [12].El cual fue propuesto originalmente por Cauchy en 1847. La idea del mtodo es comenzar de un cierto punto cualquier de X1 y luego moverse a lo largo de las direcciones de descenso ms empinado hasta encontrar el ptimo [12].

Generacin de pesos y umbrales aleatorios.Se requiere de la generacin de pesos y umbrales que se mantenga en un rango de 0 y 1 se necesitara repetir el experimento para ello se utiliza la semilla que se encarga de mantener los mismos valores aleatorios en los diferentes experimentos que se realicen un subrutina llamado seed. Los pesos se generan por cada neurona entrada y salida de una capa que se re de la red obteniendo una matriz de dos dimensiones