Aplicación de técnicas de procesamiento de series temporales al sensado de contaminantes ambientales

Abstract

En este TFG se estudia la aplicación de estructuras paramétricas lineales (AR, ARI, ARIMA), recursivas (Filtro de Kalman y Factor de Olvido) y no lineales (NLAR sigmoidal) al modelado de series temporales no lineales y variantes en el tiempo. Se aborda el procesamiento previo de datos (temporal y frecuencial), se plantean estrategias para calcular el número de regresores y se comparan los resultados de las diferentes técnicas aplicadas a una colección de datos reales. Dado el interés de la monitorización de la contaminación ambiental en ciudades inteligentes se ha elegido un registro real de ozono como caso de estudio.

This project studies the application of linear (AR, ARI, ARIMA), recursive (Kalman Filter and Forgetting Factor) and nonlinear (sigmoidal NLAR) parametric structures to the modelling of nonlinear time series and variants in time. It is approached the previous data processing (temporal and frequency), it is proposed strategies to calculate the number of regressors, and the result of the different techniques applied are compared to a collection of real data. Given the interest in monitoring environmental pollution in smart cities, a real ozone registry has been chosen as a case study.