• Título:  MODELOS DE PREDICCIÓN DE CONTAMINANTES ATMOSFÉRICOS EN LA BAHÍA DE ALGECIRAS
• Autor:  Martín Rodríguez, Mª de la Luz
• Universidad:  Universidad de Cádiz
• Departamento:  INGENIERIA QUIMICA, TECNOLOGIA DE LOS ALIMENTOS Y TECNOLOGIAS DEL MEDIO AMBIENTE
• Fecha de Lectura:  21/01/2011
• Programa de doctorado:  Ingeniería de procesos industriales
• Dirección: 
  • TRUJILLO ESPINOSA, FRANCISCO JOSÉ (DIRECTOR)
  • TURIAS DOMINGUEZ, IGNACIO JOSE (DIRECTOR)
• Tribunal: 
  • SALES MÁRQUEZ, DIEGO (PRESIDENTE)
  • GONZÁLEZ GALLERO, FRANCISCO JAVIER (SECRETARIO)
  • LÓPEZ MUÑOZ, FRANCISCO JAVIER (VOCAL)
  • JEREZ ARAGONES, JOSÉ MANUEL (VOCAL)
  • Oliver Puyol, Ramón (VOCAL)
• Descriptores: 
  • INTELIGENCIA ARTIFICIAL
  • CONTROL DE LA CONTAMINACION ATMOSFERICA
• Resumen:
  El propósito de esta tesis es la predicción de concentraciones y niveles máximos de contaminación atmosférica en la Bahía de Algeciras, aportando una herramienta válida para definir acciones de control en la prevención de la contaminación atmosférica. La información necesaria se ha obtenido de los datos históricos aportados por las diversas estaciones de control existentes en la comarca, que recaban datos de concentración de diferentes contaminantes y variables meteorológicas. En este trabajo de investigación, los modelos de predicción y clasificación han sido aplicados para la predicción de dióxido de azufre, dióxido de nitrógeno y partículas PM10. La finalidad principal de esta tesis se ha centrado en el análisis de los datos de contaminación atmosférica y variables meteorológicas registradas en la zona, para la consecución de los siguientes objetivos: - Selección de las variables significativas para la predicción de los niveles de inmisión de dióxido de azufre, dióxido de nitrógeno y PM10. - Predicción de la concentración de dichos contaminantes mediante la utilización de diferentes técnicas, tales como métodos de persistencia, ARIMA (Autoregressive Inputs and Moving Averages), regresión múltiple lineal (RML) y redes neuronales artificiales (RNAs). - Determinación de episodios o niveles máximos de contaminación mediante métodos de clasificación, como el análisis discriminante (AD), K- vecinos y RNAs. - Aplicación de técnicas estadísticas de comparación múltiple para la selección de los modelos de mayor precisión (test ANOVA y método de Bonferroni). Los resultados de esta investigación aportan una metodología válida para la predicción de los contaminantes estudiados, basada en la comparación estadística de diferentes técnicas de predicción y la selección de variables externas.