Please use this identifier to cite or link to this item: https://repositorio.utn.edu.ec/handle/123456789/19032
Citar este ítem

Title: Monitoreo de la contaminación del aire urbano mediante redes neuronales y redes de sensores inalámbricos basadas en LoRa
metadata.dc.title.en: Urban air pollution monitoring by neural networks and wireless sensor networks based on LoRa
Authors: Alvear-Puertas, Vanessa
Rosero-Montalvo, Paul D
Michilena Calderón, Jaime R
Arciniega-Rocha, Ricardo P
Erazo-Chamorro, Vanessa
metadata.dc.contributor.orcid: https://orcid.org/0000-0003-2332-6073
https://orcid.org/0000-0003-1995-400X
https://orcid.org/0000-0002-8819-8167
https://orcid.org/0000-0001-6960-1718
https://orcid.org/0000-0003-0732-0384
metadata.dc.type: Article
Keywords: INFORMACIÓN;ANÁLISIS;DESEMPEÑO
metadata.dc.subject.en: INFORMATION;ANALYSIS;PERFORMANCE
Issue Date: 26-Feb-2026
metadata.dc.date.created: 1-Nov-2020
Publisher: Springer Nature Link
Abstract: El incremento de las emisiones de contaminantes atmosféricos constituye una preocupación actual. Debido a ello, el presente trabajo presenta una red de nodos sensores que envían información mediante el protocolo LoRa para el monitoreo de emisiones de gases nocivos para la salud en entornos urbanos. Para ello, se propone un esquema electrónico para la adquisición de datos que incluye un proceso de suavizado de la señal de cada sensor con el fin de eliminar el ruido. Posteriormente, se realiza el análisis de los datos utilizando una red neuronal artificial, cuyo objetivo principal es clasificar el estado de la calidad del aire. Como resultados relevantes, se obtiene un desempeño de clasificación del 95 % en pruebas controladas y del 90 % en condiciones reales, además de la presentación de esta información en tiempo real.
metadata.dc.description.abstract-en: The increase in air pollutant emissions is a current concern. Due to this, the present work shows a network of sensor nodes sending information by LoRa protocol to the monitoring of emissions of harmful gases for health in urban environments. To do this, an electronic scheme is proposed for data acquisition with a smoothing of the signal from each sensor for noise elimination. Subsequently, data analysis is performed using an artificial neural network with the main objective of classifying the state of the air. As relevant results, the classification performance of 95% in tests and 90% in real conditions with the presentation of this information in real-time is obtained.
URI: https://repositorio.utn.edu.ec/handle/123456789/19032
metadata.dc.identifier.doi: https://link.springer.com/chapter/10.1007/978-3-030-63089-8_59
ISSN: 2194-5357
metadata.dc.coverage: Ibarra-Ecuador
metadata.dc.description.degree: N/A
Appears in Collections:Artículos

Files in This Item:
There are no files associated with this item.


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons