Previsión de concentración de pólenes en la comunidad de Madrid mediante predicción de imágenes

Albaladejo Soriano, Antonio (2022). Previsión de concentración de pólenes en la comunidad de Madrid mediante predicción de imágenes. Thesis (Master thesis), E.T.S. de Ingenieros Informáticos (UPM).

Description

Title: Previsión de concentración de pólenes en la comunidad de Madrid mediante predicción de imágenes
Author/s:
  • Albaladejo Soriano, Antonio
Contributor/s:
  • Rico Almodóvar, Mariano
Item Type: Thesis (Master thesis)
Masters title: Inteligencia Artificial
Date: 2022
Subjects:
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Inteligencia Artificial
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (2MB)

Abstract

Los pólenes son un pilar fundamental para la reproducción de las plantas y, por consiguiente, imprescindible para la vida en la tierra. Sin embargo, la exposición a elevadas concentraciones de algunos pólenes puede ser perjudicial para algunas personas, por lo que las personas sensibles a los pólenes deben tratar de minimizar su exposición a los mismos. Para tratar de alertar de cuándo podrían haber niveles potencialmente peligrosos de polen en el aire, se han de tener datos relativos a estas concentraciones. Dado que la disponibilidad de estos datos es muy reducida, se ha optado por elegir una fuente de datos fiable y actualizada para realizar predicciones a través de sus datos. Esta fuente de datos es la página web de la Universidad de Córdoba y la Red Española de Aerobiología 1 . En esta página se muestran los datos mediante imágenes, estas imágenes muestran la cantidad de pólenes sobre un mapa del territorio Español y Portugués a través de 4 colores indican 4 niveles de polen: el verde oscuro indica nivel muy bajo, el verde claro indica nivel bajo, el amarillo indica nivel medio y el rojo indica nivel alto. Estas imágenes referentes cada una a un polen y un día determminado, se han ido extrayendo periódicamente de esta página, ya que no se dispone de un histórico, formando el conjunto de datos a partir de la extracción y preprocesado de las mismas. Tras realizar un estudio del estado del arte en predicción de imágenes, se han seleccionado tres modelos que forman parte del actual. Estos modelos son: Conv-TT-LSTM [1], PredRNN [2] y MAU [3]. Estos modelos se han adaptado para usar el conjunto de datos creado y se han entrenado con el conjunto de entrenamiento y de validación de los mismos. Para posteriormente, extraer resultados de cada uno de los modelos, realizando predicciones sobre el conjunto de test. Finalmente, se han extraído conclusiones de estas predicciones, decantándonos por un modelo como el más indicado para realizar esta tarea. Además, se han señalado algunas limitaciones proyecto, así como posibles mejoras futuras.---ABSTRACT---Pollens are a fundamental building block for plant reproduction and therefore essential for life on earth. However, exposure to high concentrations of some pollens can be harmful to some people, so people who are sensitive to pollens should try to minimize their exposure to them. In order to try to alert when potentially dangerous levels of airborne pollens might be present, data regarding these concentrations is required. Since the availability of this data is very limited, we have chosen a reliable and up to date data source to make predictions based on their data. This data source is the web page of the University of Córdoba and the Spanish Aerobiology Network (REA)2 . This page shows the data through pictures, these pictures show the amount of pollens on a map of the Spanish and Portuguese territory through 4 colors indicating 4 levels of pollen: dark green indicates very low level, light green indicates low level, yellow indicates medium level and red indicates high level. These images, each one referring to a speci c pollen and a speci c day, have been periodically extracted from this page, since there is no history available, forming the data set by extracting and preprocessing them. After a study of the state of the art in image prediction, three models have been selected as part of the current state of the art. These models are: Conv-TT-LSTM [1], PredRNN [2] y MAU [3]. These models have been adapted to use the created dataset and have been trained with the training and validation sets. To subsequently extract results from each of the models, making predictions on the test set. Finally, we have drawn conclusions from these predictions, choosing one model as the most appropriate to perform this task. In addition, we have pointed out some limitations of the project, as well as possible future improvements.

More information

Item ID: 70982
DC Identifier: https://oa.upm.es/70982/
OAI Identifier: oai:oa.upm.es:70982
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 06 Jul 2022 09:06
Last Modified: 06 Jul 2022 09:09
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM