Calibración de un modelo de red neuronal para pronóstico de concentraciones de PM10
DOI:
https://doi.org/10.56845/terys.v2i1.322Palabras clave:
redes neuronales artificiales, PM10, contaminación del aire, modeladoCitas
Agarwal, S., Sharma, S., Suresh, R., Rahman, M. H., Vranckx, S., Maiheu, B., & Batra, S. (2020). Air quality forecasting using artificial neural networks with real time dynamic error correction in highly polluted regions. Science of the Total Environment, 735, 139454.
Chollet, F. and other (2015), Keras. http://keras.io
Fernando, H. J., Mammarella, M. C., Grandoni, G., Fedele, P., Di Marco, R., Dimitrova, R., & Hyde, P. (2012). Forecasting PM10 in metropolitan areas: Efficacy of neural networks. Environmental pollution, 163, 62-67.
Instituto Nacional de Ecología y Cambio Climático (INECC). (2023). Sistema Nacional de Información de la Calidad del Aire. Recuperado de https://sinaica.inecc.gob.mx/
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Héctor Antonio Olmos-Guerrero, Pablo Tenoch Rodríguez-González

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores conservan los derechos de autor de sus trabajos y conceden a la revista Tendencias en Energías Renovables y Sustentabilidad (TERYS) el derecho de primera publicación.
Los artículos se publican bajo la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0), que permite compartir y adaptar el material para cualquier propósito, incluso comercial, siempre que se otorgue el crédito adecuado a los autores y a la revista.
Los autores pueden depositar la versión publicada del artículo en repositorios institucionales o páginas personales, siempre citando la publicación original en TERYS.
Derechos de autor © D.R. Asociación Latinoamericana de Desarrollo Sustentable y Energías Renovables A. C.,