[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-es-110":3,"doc-seo-291242-110":49,"doc-detail-291242-es":123},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37,41,45],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},39,"Document","Cómic",60,"comic",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":11,"slug":16},43,"Estilo de Vida","lifestyle",{"id":18,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":11,"slug":20},38,"Examen","exam",{"id":22,"doc_module":4,"doc_module_name":9,"category_name":23,"show_sort_weight":11,"slug":24},44,"General","general",{"id":26,"doc_module":4,"doc_module_name":9,"category_name":27,"show_sort_weight":11,"slug":28},41,"Investigación e Informes","research-report",{"id":30,"doc_module":4,"doc_module_name":9,"category_name":31,"show_sort_weight":11,"slug":32},37,"Literatura","literature",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":11,"slug":36},22,"Relatos y Novelas","story-novel",{"id":38,"doc_module":4,"doc_module_name":9,"category_name":39,"show_sort_weight":11,"slug":40},42,"Religión y Espiritualidad","religion-spirituality",{"id":42,"doc_module":4,"doc_module_name":9,"category_name":43,"show_sort_weight":11,"slug":44},40,"Salud y Atención Médica","healthcare",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":47,"show_sort_weight":11,"slug":48},24,"Tecnología","technology",{"code":4,"msg":50,"data":51},"ok",{"site_id":52,"language":53,"slug":54,"title":55,"keywords":56,"description":57,"schema_data":58,"social_meta":116,"head_meta":118,"extra_data":120,"updated_unix":122},110,"es","forecasting-of-so2-concentration-in-air-using-machine-learning-thesis","Predicción de concentración de SO2 en el aire usando machine learning - Tesis","","El documento presenta una tesis enfocada en la predicción de la concentración de dióxido de azufre (SO₂) en el aire mediante modelos de machine learning. Se contextualiza la calidad del aire como un problema global asociado a contaminantes criterio y sus impactos en salud y medio ambiente, destacando la complejidad del Valle de Aburrá por su topografía y episodios recurrentes de mala calidad del aire. Aunque el sistema SIATA ha priorizado el material particulado (PM₂.₅), el trabajo propone ampliar la capacidad predictiva a SO₂ usando datos históricos y variables ambientales para apoyar la mitigación y la toma de decisiones.",{"@graph":59,"@context":115},[60,77,98],{"@type":61,"itemListElement":62},"BreadcrumbList",[63,68,71,74],{"item":64,"name":65,"@type":66,"position":67},"https://docshare.wps.com","Home","ListItem",1,{"item":69,"name":9,"@type":66,"position":70},"https://docshare.wps.com/es/document/",2,{"item":72,"name":27,"@type":66,"position":73},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":75,"name":55,"@type":66,"position":76},"https://docshare.wps.com/es/document/forecasting-of-so2-concentration-in-air-using-machine-learning-thesis/291242/",4,{"url":75,"name":55,"@type":78,"image":79,"author":84,"headline":55,"publisher":87,"fileFormat":90,"inLanguage":53,"description":57,"dateModified":91,"datePublished":92,"encodingFormat":90,"isAccessibleForFree":93,"interactionStatistic":94},"DigitalDocument",{"url":80,"@type":81,"width":82,"height":83},"https://docshare.wps.com/thumbnails/forecasting-of-so2-concentration-in-air-using-machine-learning-thesis/291242.png","ImageObject",300,407,{"name":85,"@type":86},"Ophelia","Person",{"url":64,"name":88,"@type":89},"DocShare","Organization","application/pdf","2026-09-29","2026-09-17",true,{"@type":95,"interactionType":96,"userInteractionCount":73},"InteractionCounter",{"@type":97},"ViewAction",{"@type":99,"mainEntity":100},"FAQPage",[101,107,111],{"name":102,"@type":103,"acceptedAnswer":104},"¿Por qué es importante predecir la concentración de SO₂ en el aire?","Question",{"text":105,"@type":106},"El SO₂ se asocia con impactos relevantes sobre la salud humana y los ecosistemas, pudiendo irritar el sistema respiratorio y agravar enfermedades respiratorias, además de contribuir a la formación de partículas finas.","Answer",{"name":108,"@type":103,"acceptedAnswer":109},"¿Qué problema identifican respecto a los modelos de predicción existentes en el Valle de Aburrá?",{"text":110,"@type":106},"Los esfuerzos predictivos del SIATA se han centrado principalmente en el PM₂.₅, dejando un vacío en la predicción de otros contaminantes criterio, incluido el SO₂.",{"name":112,"@type":103,"acceptedAnswer":113},"¿Qué enfoque propone el proyecto de tesis?",{"text":114,"@type":106},"Desarrollar modelos de machine learning con datos históricos y variables ambientales para mejorar la predicción de SO₂, usando diferentes modelos que faciliten la gestión ambiental y la toma de decisiones.","https://schema.org",{"og:url":75,"og:type":117,"og:title":55,"og:site_name":88,"og:description":57},"article",{"robots":119,"canonical":75},"index,follow",{"doc_id":121,"site_id":52},291242,1790049733,{"code":4,"msg":5,"data":124},{"doc_id":121,"user_id":125,"nickname":85,"user_avatar":126,"doc_module":4,"category_id":26,"category_name":27,"doc_title":55,"doc_description":57,"doc_content":127,"file_id":128,"file_url":129,"file_type":130,"file_size":131,"view_count":73,"is_deleted":4,"is_public":67,"is_downloadable":67,"audit_status":67,"page_count":8,"language":132,"language_code":53,"site_id":52,"html_lang":53,"table_of_contents":133,"faqs":134,"seo_title":135,"seo_description":57,"update_tm":136,"read_time":11},7971461741311,"https://ap-avatar.wpscdn.com/avatar/74000253aff267980c6?x-image-process=image/resize,m_fixed,w_180,h_180&k=1779345379180704826","PREDICCIÓN DE CONCENTRACIÓN DE SO2 EN EL AIRE USANDO MACHINE  \nLEARNING  \nForecasting of SO2 concentration in the air using machine learning  \nJOSE MANUEL GOMEZ JIMENEZ  \nTesis  \nAsesor  \nPablo Andres Saldarriaga Aristizabal  \nUNIVERSIDAD EAFIT  \nESCUELA DE CIENCIAS APLICADAS E INGENIERÍAMAESTRÍA EN CIENCIAS DE LOS DATOS Y LA ANALÍTICA  \nMEDELLÍN  \nPredicción de concentración de SO2 en el aire usando machine learning  \nJosé Manuel Gómez Jiménez 1 Pablo Andres Saldarriaga Aristizabal2  \n1 Universidad EAFIT, Medellín – Antioquia, Colombia  \n2 Universidad EAFIT, Medellín – Antioquia, Colombia  \nResumen: La calidad del aire es un tema de creciente preocupación a nivel mundial debido al impacto de la contaminación atmosférica en la salud y el medio ambiente. Los contaminantes criterio, como el material particulado (PM), el monóxido de carbono (CO), el ozono (O3), el dióxido de nitrógeno (NO2) y el dióxido de azufre (SO₂), representan un riesgo significativo, vinculándose con enfermedades respiratorias y cardiovasculares, además de contribuir al cambio climático. En el Valle de Aburrá, esta problemática se agrava debido a las características topográficas de la región, que limitan la dispersión de contaminantes e intensifican los episodios de mala calidad del aire. A pesar de los avances en monitoreo a través del Sistema de Alerta Temprana del Valle de Aburrá (SIATA), los esfuerzos predictivos se han enfocado principalmente en el PM₂ .₅, dejando un vacío en la predicción de otros contaminantes criterio.  \nEste proyecto propone desarrollar modelos de machine learning que, utilizando datos históricos y variables ambientales, mejoren la predicción de contaminantes enfocada en el SO₂, proporcionando, mediante el uso de diferentes modelos de machine learning, herramientas para mejorar la gestión ambiental. Esto permitirá fortalecer las estrategias demitigación y la toma de decisiones, reduciendo los impactos en la salud pública y el entorno natural de la región.  \nPalabras clave: Calidad del aire, Contaminantes criterio, Valle del Aburrá, SIATA, Machine Learning, Pronósticode contaminantes  \n1 Introducción  \nLa calidad del aire se ha convertido en un tema de creciente preocupación a nivel mundial debido al aumento sostenido de la contaminación atmosférica en las últimas décadas. Según la Organización Mundial de la Salud (OMS), más del 90% de la población mundial respira aire que excede los niveles de calidad recomendados [1], lo que pone en riesgo la salud de millones de personas. Este incremento se asocia principalmente al crecimiento industrial, la quema de combustibles fósiles, la agricultura, las emisiones de fábricas e industrias, los vehículos automotores y diversos fenómenos naturales [2] .  \nLos denominados contaminantes criterio (material particulado (PM), monóxido de carbono (CO), ozono (O₃), dióxido de nitrógeno (NO₂) y dióxido de azufre (SO₂)) representan las principales amenazas para la salud pública [2] . Estos contaminantes están vinculados con un aumento en el número de casos de enfermedades respiratorias y cardiovasculares, así como con un incremento de la mortalidad prematura [3] . Además, contribuyen al cambio climático y al deterioro de los ecosistemas, afectando la biodiversidad y los recursos naturales.  \nEn el Valle de Aburrá (Antioquia, Colombia), la contaminación atmosférica constituye un problema particularmente complejo. La combinación de alta densidad poblacional, tráfico vehicular intenso y actividades industriales genera un alto volumen de emisiones contaminantes. Sin embargo, el impacto se ve intensificado por la topografía cerrada del valle, que limita la circulación del aire y provoca fenómenos de estancamiento atmosférico, lo que dificulta la dispersión de los contaminantes [4] . Estas condiciones conducen a episodios recurrentes de mala calidad del aire, especialmente en temporadas específicas del año, lo que hace que la región sea especialmente vulnerable.  \nAnte esta situación, el Sistema de Alerta Tem","cbCaieNWvr4VXDva","https://ap.wps.com/l/cbCaieNWvr4VXDva","pdf",2591409,"Spanish","# Resumen\n# 1 Introducción\n## Calidad del aire y contaminantes criterio\n## Contexto del Valle de Aburrá y SIATA\n## Importancia del SO2 en salud y ecosistemas","[{\"question\":\"¿Por qué es importante predecir la concentración de SO₂ en el aire?\",\"answer\":\"El SO₂ se asocia con impactos relevantes sobre la salud humana y los ecosistemas, pudiendo irritar el sistema respiratorio y agravar enfermedades respiratorias, además de contribuir a la formación de partículas finas.\"},{\"question\":\"¿Qué problema identifican respecto a los modelos de predicción existentes en el Valle de Aburrá?\",\"answer\":\"Los esfuerzos predictivos del SIATA se han centrado principalmente en el PM₂.₅, dejando un vacío en la predicción de otros contaminantes criterio, incluido el SO₂.\"},{\"question\":\"¿Qué enfoque propone el proyecto de tesis?\",\"answer\":\"Desarrollar modelos de machine learning con datos históricos y variables ambientales para mejorar la predicción de SO₂, usando diferentes modelos que faciliten la gestión ambiental y la toma de decisiones.\"}]","Predicción de concentración de SO2 en el aire usando machine learning - Tesis | PDF",1789643850]