Propuesta de modelo de medición de propagación de PM₁₀ y PM₂.₅ basado en WSN para Smart Cities
Cargando...
Fecha
Fecha
2025-11-25
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Distrital Francisco José de Caldas
Compartir
Citar documento
Gómez Suárez, Ricardo Alfonso (2025). Propuesta de modelo de medición de propagación de PM₁₀ y PM₂.₅ basado en WSN para Smart Cities. Universidad Distrital Francisco José de Caldas. https://hdl.handle.net/11349/100472
Gestores bibliográficos
Altmetric
El indicador aparece cuando Altmetric registra menciones para este documento.
Documentos PDF
Resumen
This paper presents the development of a three-dimensional model for measuring and propagating particulate matter (PM₁₀ and PM₂.₅) in smart cities, using low-cost wireless sensor networks (WSNs) and artificial intelligence (AI). The research begins with a diagnosis of the environmental and public health problems associated with air pollution, followed by the design, calibration, and validation of a model based on machine learning and deep learning.
The results show that the proposed model is capable of predicting the dispersion of pollutants with high accuracy in different spatial and temporal planes, overcoming limitations of traditional models. This contribution supports air quality management in smart cities, offering an innovative tool for decision-making in urban environmental policies.
Descripción
Este trabajo presenta el desarrollo de un modelo tridimensional para la medición y propagación de material particulado (PM₁₀ y PM₂.₅) en Smart Cities, empleando redes de sensores inalámbricos de bajo costo (WSN) e inteligencia artificial (IA). La investigación parte de un diagnóstico de la problemática ambiental y de salud pública asociada a la contaminación atmosférica, para posteriormente diseñar, calibrar y validar un modelo basado en aprendizaje automático y aprendizaje profundo.
Los resultados obtenidos muestran que el modelo propuesto es capaz de predecir con alta precisión la dispersión de contaminantes en diferentes planos espaciales y temporales, superando limitaciones de modelos tradicionales. Este aporte contribuye a la gestión de la calidad del aire en ciudades inteligentes, ofreciendo una herramienta innovadora para la toma de decisiones en políticas ambientales urbanas.