Resumen

En este artículo, proponemos modelos difusos suaves para la toma de decisiones en la gestión de la contaminación por neblina. Los principales objetivos de esta investigación son (i) proporcionar un sistema de alerta de neblina basado en datos atmosféricos en tiempo real y (ii) identificar la ubicación más peligrosa del área de estudio. El PM10 se utiliza como índice de severidad del problema. La eficiencia del modelo se justifica por la proporción de precisión de predicción basada en datos reales del 1 de enero de 2016 al 31 de mayo de 2016. La teoría difusa suave se modifica para hacer los modelos más adecuados para los problemas. Los resultados muestran que nuestros modelos difusos mejoran la proporción de precisión de predicción en comparación con la predicción basada solo en la densidad de PM10. Este trabajo ilustra un análisis difuso que tiene la capacidad de simular las relaciones desconocidas entre un conjunto de parámetros atmosféricos y ambientales. El área de estudio abar

• Materias:Filtros borrosos Método difuso Multiconjuntos blandos borrosos Modelo híbrido neurodifuso Derivada fraccionaria difusa
• Subjects:Fuzzy filters Fuzzy method Fuzzy soft multisets Hybrid neuro-fuzzy model Fuzzy fractional derivative
• Palabras claves:Modelos suaves difusos; Toma de decisiones; Gestión de la contaminación por neblina; Datos atmosféricos en tiempo real; Ubicación peligrosa; PM10
• Keywords:Fuzzy soft models; Decision making; Haze pollution management; Real-time atmospheric data; Hazardous location; PM10