Hola,
Are you new here?

I have an account

Conecta con

+150K Projects

+300K Companies

+230 Financiaciones

¿Te ayudamos?

Ejemplos de búsqueda

Vídeos Explicativos

RTI2018-098160-B-I00

financed

Closed

DEEP LEARNING IN AIR POLLUTION FORECASTING

ES IMPRESCINDIBLE DISPONER DE HERRAMIENTAS QUE NOS AYUDEN A IDENTIFICAR LOS PROBLEMAS DE LA CALIDAD DEL AIRE COMO MEDIDA DE PREVENCION PARA LA PROTECCION DE LA SALUD, LA MONITORIZACION Y PREDICCION DE CONTAMINANTES ATMOSFERICOS SE... see more

01/01/2018

UCA

84K€

Project Budget: 84K€

Project leader

UNIVERSIDAD DE CÁDIZ No se ha especificado una descripción o un objeto social para esta compañía.

total researchers 1455

PARTICIPATION DEPralty Sin fecha límite de participación.

Financing granted El organismo AGENCIA ESTATAL DE INVESTIGACIN notifico la concesión del proyecto The day 2018-01-01 We do not have the information of the call

0% 100%

characteristics of the participant

Este proyecto no cuenta con búsquedas de partenariado abiertas en este momento.

Private Information

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

UCA

Leader

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Project leader

UNIVERSIDAD DE CÁDIZ No se ha especificado una descripción o un objeto social para esta compañía.

total researchers 1455

Project Budget 84K€

participation deadline Sin fecha límite de participación.

Project description ES IMPRESCINDIBLE DISPONER DE HERRAMIENTAS QUE NOS AYUDEN A IDENTIFICAR LOS PROBLEMAS DE LA CALIDAD DEL AIRE COMO MEDIDA DE PREVENCION PARA LA PROTECCION DE LA SALUD, LA MONITORIZACION Y PREDICCION DE CONTAMINANTES ATMOSFERICOS SE BASA EN LA INFORMACION RECOGIDA DESDE DIFERENTES TIPOS DE SENSORES, DE FORMA HABITUAL Y DEBIDO A LA DIFICULTAD DE DISPONER EN TIEMPO REAL DE TODAS LAS EMISIONES SE SUELE DISPONER DE UNA RED DE MONITORIZACION EN INMISION, QUE ADEMAS ES EL NIVEL QUE PRESENTA MAYOR IMPORTANCIA POR LOS EFECTOS QUE SE PUDIERAN TENER SOBRE LAS PERSONAS, LAS ESTACIONES DE MONITORIZACION REGISTRAN DIFERENTES TIPOS DE CONTAMINANTES COMO PUEDEN SER NOX, SO2, CO, PARTICULAS PM2,5, PM10, ETC, ADEMAS, SE SUELE DISPONER DE MEDIDAS ADICIONALES DE DIVERSAS VARIABLES METEOROLOGICAS, ENTRE LAS QUE DESTACAN VELOCIDAD Y DIRECCION DE VIENTO, TEMPERATURA, ETC, OTRAS MEDIDAS PUEDEN OBTENERSE DEL TRAFICO MEDIANTE AFORADORES RADAR, MIDIENDO CARACTERISTICAS COMO INTENSIDAD, VELOCIDADES, ETC, EN CIERTOS PUNTOS INTERESANTES, ESTE CONJUNTO DE CARACTERISTICAS LOCALES EN UN ESCENARIO CONCRETO PUEDE TENER EFECTOS MUY IMPORTANTES QUE ES NECESARIO CONSIDERAR Y EVALUAR PARA LLEVAR A CABO ESTRATEGIAS DE CONTROL, SE PRETENDE USAR LOS DATOS DE LA RED DE MONITORIZACION DISPONIBLE EN LA BAHIA DE ALGECIRAS POR LA CONSEJERIA DE MEDIO AMBIENTE DE LA JUNTA DE ANDALUCIA, ASI COMO ADQUIRIR E INSTALAR UNA INFRAESTRUCTURA IOT DE MONITORIZACION PARA OBTENER MEDIDAS DE MAYOR RESOLUCION A LA VEZ QUE CONSEGUIR ANALIZAR CONDICIONES MUY LOCALES EN DIFERENTES ESCENARIOS QUE SE CONSIDEREN RELEVANTES COMO LA EXISTENCIA DE UN FUERTE TRAFICO DE MERCANCIAS, LOS FIRMANTES DEL PROYECTO HAN OBTENIDO PREVIAMENTE RESULTADOS DE PREDICCION DE CONTAMINACION ATMOSFERICA Y/O FLUJOS DE TRAFICO/MERCANCIAS MEDIANTE LA APLICACION DE TECNICAS DE APRENDIZAJE COMPUTACIONAL CLASICAS (REDES NEURONALES ARTIFICIALES, MAQUINAS DE SOPORTE VECTORIAL Y MODELOS HIBRIDOS), SE ESPERA QUE CON DEEP LEARNING (DL) SE PUEDAN SUPERAR LOS RESULTADOS OBTENIDOS, EVITANDO LA DIFICULTAD DE LOS ALGORITMOS CLASICOS PARA INTEGRAR INFORMACION HETEROGENEA (INCLUYENDO INFORMACION ESPACIAL O TEMPORAL) EN EL DISEÑO DE MODELOS PREDICTIVOS, SE APLICARAN DOS ENFOQUES DIFERENTES PARA INTENTAR MEJORAR LOS RESULTADOS EN LA PREDICCION: I) BASADO EN INFORMACION 1D COMPUESTA POR TODAS LAS VARIABLES DISPONIBLES, ASI COMO DE LAS MISMAS EN EL PASADO, Y II) BASADO EN EL MAPEADO 2D (USANDO METODOS DE INTERPOLACION GEOESTADISTICA) EN IMAGENES QUE CONSTITUYEN UNA REPRESENTACION ESPACIAL (Y TEMPORAL) DE LOS CONTAMINANTES ATMOSFERICOS, TENIENDO COMO OBJETIVO EL SER CAPAZ DE PREDECIR VALORES DE CONTAMINACION Y EPISODIOS DE SUPERACIONES CON SUFICIENTE ANTICIPACION PARA PODER TOMAR ACCIONES CORRECTORAS Y COMPARAR LOS ESQUEMAS BASADOS EN DL CON LOS RESULTADOS OBTENIDOS CON METODOS CLASICOS DE APRENDIZAJE COMPUTACIONAL Y DE FORMA PARTICULAR: 1) DISEÑO Y DESPLIEGUE DE UNA INFRAESTRUCTURA IOT ROBUSTA Y ESCALABLE CON CAPACIDADES AUTONOMAS,2) ANALISIS DE LA RELEVANCIA ESPACIO-TEMPORAL DE DATOS DE CONTAMINACION ATMOSFERICA EN DIFERENTES LOCALIZACIONES,3) DISEÑO DE MODELOS PREDICTIVOS DE CONTAMINACION ATMOSFERICA MEDIANTE ALGORITMOS DE APRENDIZAJE PROFUNDO, 4) ANALIZAR LA IMPORTANCIA DE INCORPORAR CONOCIMIENTO ADICIONAL EN LOS MODELOS DL PARA MEJORAR LA CAPACIDAD DE PREDICCION,5) IDENTIFICACION DE ESCENARIOS DE INTERES Y PREDICCION ESPECIFICA-LOCAL DE CONTAMINANTES, MACHINE LEARNING\DEEP LEARNING\AIR POLLUTION\FORECASTING

Conecta tu I+D

Entra hoy

Forgot your password?

Financing

Companies

CTIs/Universidades

Projects

researchers

What is innovating.Works? Lose yourself in the best search engine for innovative companies you've ever seen, see how your competition is funded, connect with that partner you didn't know about, discover R&D projects that need you, and much, much more just a click away.

Smart Company-Financial Motor Innovating tiene un perfil tecnológico financiero de 400.000 empresas gracias al cual sabe a qué ayuda puede ir o no cualquier empresa de forma automática. Parece magia pero es tecnología.

Create your project and find partners ¿Tienes un proyecto y buscas un partner? Una Universidad, Centro Tecnológico, Consultoría? Este es tu sitio. Gracias al motor de búsqueda podemos recomendarte los mejores socios y ponerte en contacto con ellos.