Modelado predictivo con técnicas de ciencia de datos e internet de las cosas para monitoreo de calidad del aire en el casco urbano del distrito de San Salvador
Loading...
Date
2026-01
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de El Salvado, Facultad de Ingeniería y Arquitectura
Abstract
Este proyecto de la Escuela de Ingeniería Eléctrica de la Universidad de El Salvador (UES) busca desarrollar un sistema de monitoreo de calidad del aire innovador y de bajo costo, complementando el existente en el Ministerio de Medio Ambiente y Recursos Naturales (MARN). El sistema ha evolucionado a lo largo de varias versiones desarrolladas en proceso de graduación desde 2021: a) V1.0: Dispositivo loT fijo que mide partículas contaminantes (PM) y temperatura, con datos almacenados y visualizados en una plataforma web; b) V2.0: Incorporación de conectividad GSM y sensores avanzados para medir PM1.0, PM2.6, PM10, formaldehído (HCHO). temperatura y humedad; c) V3.0: Introducción de geolocalización (GPS) para monitoreo móvil y generación de mapas de calidad del aire; finalmente d) V3.5 implementación de una plataforma loT centralizada (Thingsboard) para monitoreo en tiempo real de múltiples dispositivos. Esta propuesta (V4.0) busca mejorar las capacidades tecnológicas y analíticas del sistema, incluyendo: Integración de nuevos sensores: Medición de ozono (O3), monóxido de carbono (CO), dióxido de carbono (CO2) y compuestos orgánicos volátiles totales (TVOC), además de los sensores existentes. Actualización del hardware: Rediseño del sistema de procesamiento y conectividad loT con tecnologías actuales y de bajo costo. Analítica avanzada de datos: Implementación de técnicas de ciencia de datos y aprendizaje por computadora para procesamiento, análisis y predicción de contaminantes
Description
Keywords
Calidad de Aire, Machine Learning, Thingsboard