Aplicación de técnicas de procesamiento de series temporales al sensado de contaminantes ambientales
Autores
Sañudo Herranz, MarioFecha de publicación
2020Palabras clave
Ciudad inteligente
Contaminación ambiental
Serie temporal
Modelado paramétrico
Identificación Recursiva
Smart city
Environment pollutant
Time series
Parametric modelling
Recursive identification
Tipo de documento
info:eu-repo/semantics/bachelorThesis
Versión
info:eu-repo/semantics/acceptedVersion
Derechos
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Derechos de acceso
info:eu-repo/semantics/openAccess
Resumen
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.
Ficheros en el ítem
Ficheros | Tamaño | Formato |
|
---|---|---|---|
TFG_Sanudo_Herranz_2020.pdf | 5.462Mb |
|
Ficheros | Tamaño | Formato |
|
---|---|---|---|
TFG_Sanudo_Herranz_2020.pdf | 5.462Mb |
|