Saved in:
| Main Author: | |
|---|---|
| Format: | Artículo científico |
| Language: | es |
| Published: |
Universidad del Norte
2023
|
| Subjects: | |
| Online Access: | https://www.redalyc.org/articulo.oa?id=85276097004 https://www.redalyc.org/journal/852/85276097004/ https://www.redalyc.org/journal/852/85276097004/html/ https://www.redalyc.org/journal/852/85276097004/85276097004.epub https://www.redalyc.org/journal/852/85276097004/movil https://doi.org/10.14482/inde.41.02.720.891 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Table of Contents:
- Sistema de fusión de datos para la clasificación de gases licuados del petróleo a través de técnicas de aprendizaje de máquina Daniel Fernando Quintero Bernal Miguel Ángel Jaramillo Bedoya Hernán Alberto Quintero Vallejo William Prado Martínez Ingeniería Clasificación fusión de datos nariz electrónica gases licuados del petróleo técnicas de aprendizaje de máquina La Fusión de Datos (FD) es un proceso que permite la combinación de información de diversas fuentes con un propósito determinado. En este documento se presenta el diseño y construcción de un sistema FD, particularmente una nariz electrónica (NE), para un dispositivo como el descrito en la patente "Equipo portátil para evitar la contaminación vehicular en las estaciones de servicio" con resolución número 23016. Dicho equipo es un instrumento para clasificación de Gases Licuados derivados del Petróleo (GLP), cuya aplicación se encuentra dirigida a reconocer Aceite Combustible Para Motores (ACPM)1 o gasolina, en el proceso de abastecimiento vehicular. Estos gases están almacenados en el depósito de combustible de los automóviles y, a través de su identificación, es posible tomar las acciones requeridas para evitar la contaminación de un vehículo con un carburante diferente al que este utiliza. Se implementó un experimento que evaluó el funcionamiento de la NE mediante técnicas de clasificación. En el procesamiento de la información entregada por los sensores del prototipo fueron utilizadas dos metodologías de aprendizaje de máquina supervisadas, K-Nearest Neighbor (KNN) y Naive Bayes, para diferenciación de GLP. Gracias a una prueba de validez, se determinó que la exactitud de las técnicas implementadas fue de 1, por lo tanto, el equipo está en capacidad de discriminar adecuadamente los gases de gasolina y ACPM en condiciones ambientales dinámicas. 2023 artículo científico 0122-3461 https://www.redalyc.org/articulo.oa?id=85276097004 https://www.redalyc.org/journal/852/85276097004/ https://www.redalyc.org/journal/852/85276097004/html/ https://www.redalyc.org/journal/852/85276097004/85276097004.epub https://www.redalyc.org/journal/852/85276097004/movil https://doi.org/10.14482/inde.41.02.720.891 es http://www.redalyc.org/revista.oa?id=852 Ingeniería y Desarrollo application/pdf Universidad del Norte Ingeniería y Desarrollo (Colombia) Num.2 Vol.41