Títol:  Study and Prediction of Air Quality in Smart Cities through Machine Learning Techniques Considering Spatiotemporal Components

Resum: Tenint en compte l'impacte de la qualitat de l'aire sobre la salut humana i el medi ambient, el seu control i millora s'han convertit en tasques essencials. Una manera d'aconseguir aquests objectius declarats és predir la qualitat de l'aire amb més precisió. Hi ha diversos enfocaments per implementar la predicció, com ara models de dispersió, fotoquímics i estadístics. Aquests enfocaments funcionen bé per determinar les interaccions lineals entre els factors que controlen la qualitat de l'aire. Tanmateix, la relació entre aquests factors és més complexa. Els mètodes d'aprenentatge automàtic són mètodes que són capaços de capturar i calcular aquestes interaccions i dependències no lineals complexes. Aquestes dependències estan connectades tant en dimensions temporals com espacials. Per tant, és de vital importància realitzar una anàlisi espai temporal per tal de considerar les dependències anteriors. Els mètodes implementats en l'àmbit d'aquest treball estan basats en graella (ConvLSTM, BiConvLSTM) i mètodes basats en gràfics (A3T-GCN). Les bases de dades utilitzades per avaluar aquests mètodes són dades de qualitat de l'aire, meteorològiques i de trànsit per al període gener-juny de 2019 i gener-juny de 2020 a la ciutat de Madrid. Els resultats van mostrar que els mètodes proposats són superiors als mètodes de referència, que se centren només en el processament de la informació en la dimensió temporal.

Ponents: Sra. Ditsuhi Iskandaryan.

Dia i hora: Dimecres dia 15 de febrer a les 15h.

Lloc: aula 27 de la Facultat de Ciències Econòmiques i Empresarials.