Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

RTI2018-098160-B-I00

Financiado

Cerrado

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... ver más

01/01/2018

UCA

84K€

Presupuesto del proyecto: 84K€

Líder del proyecto

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

Total investigadores 1448

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2018-01-01 No tenemos la información de la convocatoria

0% 100%

Información adicional privada

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

Participantes

UCA

Lider

Proyectos interesantes

PAPILA

Environmental S...

Data Science

999K€ Cerrado

AIRPURE

Environmental S...

Data Science

197K€ Cerrado

PARTHENO2N

Environmental S...

Data Science

45K€ Cerrado

AVIATOR

Environmental S...

Data Science

6M€ Cerrado

WeBaSOOP

Environmental S...

Data Science

1M€ Cerrado

CPP2021-009015

Environmental S...

Data Science

622K€ Cerrado

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

Líder del proyecto

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

Total investigadores 1448

Presupuesto del proyecto 84K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto 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

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores