Resumen

Debido al rápido desarrollo de la economía y la sociedad en todo el mundo, la mayoría de las ciudades están experimentando el ozono troposférico o comúnmente conocido como contaminantes atmosféricos a nivel del suelo. La concentración de contaminantes atmosféricos debe ser identificada como una medida de precaución temprana por los organismos locales de medio ambiente o de salud. Este trabajo pretende aplicar la red neuronal artificial (RNA) en la estimación de la previsión de la concentración de ozono en Bangi. Consta de variables de entrada como la temperatura, la humedad relativa, la concentración de dióxido de nitrógeno, el tiempo, los rayos UVA y UVB obtenidos de la vigilancia rutinaria y los datos registrados. Se utilizan diez capas ocultas para obtener la concentración de ozono optimizada, que es la capa de salida del marco RNA. Los resultados mostraron que las condiciones meteorológicas y los patrones de emisión desempeñan un papel importante en la influencia de la concentración de ozono. Sin embargo, una sola red es suficiente para estimar la concentración a pesar de cualquier circunstancia. Por lo tanto, se puede concluir que la RNA es capaz de ofrecer estimaciones fiables y satisfactorias de la concentración de ozono para el día siguiente.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:concentración de ozono, etapa de precauciones tempranas, red neuronal artificial, concentración de nitrógeno, nivel de contaminantes atmosféricos, concentración de aire, concentración de ozono optimizada, desarrollo de la economía, estimación del ozono, parte importante
• Keywords:ozone concentration, early precautions step, artificial neural network, concentration of nitrogen, level air pollutants, concentration of air, optimized ozone concentration, development of economy, estimation of ozone, important part