Mostra el registre d'ítem simple

dc.contributorGibert, Karina
dc.contributor.authorGalassi, Andrea Nicole
dc.contributor.otherUniversitat Politècnica de Catalunya. Institut Universitari de Recerca en Ciència i Tecnologies de la Sostenibilitat
dc.date.accessioned2020-11-15T18:37:29Z
dc.date.available2020-11-15T18:37:29Z
dc.date.issued2020-07
dc.identifier.urihttp://hdl.handle.net/2117/332209
dc.description.abstractLa ciència de dades o "Data Science" és una disciplina emergent on l'aplicació de les eines de mineria de dades és una poderosa tècnica utilitzada per descobrir tendències i relacions subjacents en volums de dades complexos que poden no haver estat evidents a l’observació de les dades en conjunt (Gibert, et al., 2018). La mineria de dades i la ciència de dades tenen el poder de revelar les complexitats de les dades on sorgeixen relacions entre variables i ajuden a comprendre fenòmens complexos. D'altra banda, el canvi climàtic s'està convertint en una amenaça existencial per als sistemes de vida de la Terra i és causat principalment per l'alliberament de gasos amb efecte d’hivernacle (GEH) a l'atmosfera. Comprendre les complexitats de les emissions de GEH i les relacions i tendències a les emissions industrials de GEH pot conduir a la utilització de pràctiques i polítiques més ecològiques. Estats Units és responsable de la majoria de les emissions de GEH del planeta des de la revolució industrial; per tant, conèixer les tendències i relacions entre indústries i sectors en termes d'emissions de GEH és fonamental per al desenvolupament i impuls de polítiques efectives orientades a la reducció d'emissions. Aquest informe presenta una conceptualització del poder de la ciència de dades a la qual són analitzats els inventaris d'emissions de GEH del Programa d'Informes de GEH (GHGRP) de l'Agència de Protecció Ambiental dels Estats Units (USEPA) a la recerca de tendències i relacions. Els inventaris d'emissions de GEH dels informes dels anys (RY) 2012, RY2015 i RY2018 van ser pre-processats, es va fer una extracció de dades i posteriorment es van processar amb la finalitat d’obtenir 10 perfils de classe únics i estadísticament significatius mitjançant tècniques de agrupació jeràrquica d’on emergeixen tendències i relacions a les dades
dc.description.abstractLa ciencia de datos es una disciplina emergente en la que la aplicación de las herramientas de minería de datos es una poderosa técnica utilizada para descubrir tendencias y relaciones subyacentes en conjuntos de datos complejos que pueden no haber sido evidentes al observar los datos en su conjunto (Gibert, et al., 2018). La minería de datos y la ciencia de datos tienen el poder de revelar las complejidades de los datos donde cuyas relaciones entre variables conducen y ayudan a comprender fenómenos complejos. Por otro lado, el cambio climático se está convirtiendo en una amenaza existencial para los sistemas de vida de la Tierra y es causado principalmente por la liberación de gases de efecto invernadero (GEI) a la atmósfera. Comprender las complejidades de las emisiones de GEI y las relaciones y tendencias en las emisiones industriales de GEI puede conducir a la utilización de prácticas y políticas más ecológicas. Estados Unidos es responsable de la mayoría de las emisiones de GEI del planeta desde la revolución industrial; por lo tanto, conocer las tendencias y relaciones entre industrias y sectores en términos de emisiones de GEI es fundamental para el desarrollo e impulso de políticas efectivas orientadas a la reducción de emisiones. Este informe presenta una conceptualización del poder de la ciencia de datos en la cual son analizados los inventarios de emisiones de GEI del Programa de Informes de GEI (GHGRP) de la Agencia de Protección Ambiental de los Estados Unidos (USEPA) en busca de tendencias. Los inventarios de emisiones de GEI de los informes de los años (RY) 2012, RY2015 y RY2018 fueron pre-procesados, se hizo una extracción de datos y posteriormente se procesaron para obtener 10 perfiles de clase únicos y estadísticamente significativos a través de técnicas de agrupación jerárquica de las que emergen tendencias en los datos.
dc.description.abstractData Science is an emergent discipline in which the application of Data Mining tools is a powerful technique used to uncover underlying trends and relationships in complex datasets which may not have been apparent when observing the dataset as a whole (Gibert, et al., 2018). Data mining and data science have the power to disclose the complexities in data in which relationships between and among variables emerge which can lead to insight and understanding when dealing with complex phenomenon. Climate change is becoming in existential threat to Earth’s life systems and is caused by releasing greenhouse gases (GHGs) to the atmosphere. Understanding the complexities of GHG emissions and the relationships and trends industries and sectors have with GHG emissions can lead to greener practices and policies. The United States is responsible for the majority of the planet’s GHG emissions since the industrial revolution; therefore, understanding the trends and relationships between industries and sectors in terms of GHG emissions is pivotal for creating and influencing effective emission reduction policies (Ritchie & Roser, 2017). This report shows the power of data science in a conceptualization where GHG emission inventories from the United States Environmental Protection Agency’s (USEPA) GHG Reporting Program (GHGRP) are analyzed for trends and relationships (USEPA, 2020).. GHG emission inventories from reporting years (RY) 2012, RY2015 and RY2018 are preprocessed, data mined, and post processed in order to obtain 10 unique and statistically significant profiles of industries through hierarchical clustering and post-processing techniques in which trends and relationships in the data emerge.
dc.language.isoeng
dc.publisherUniversitat Politècnica de Catalunya
dc.rightsAttribution 3.0 Spain
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/es/
dc.subjectÀrees temàtiques de la UPC::Enginyeria civil
dc.subject.lcshData mining
dc.subject.lcshSustainable development
dc.subject.otherGreenhouse gases
dc.subject.otherCarbon Dioxide
dc.subject.otherData Science
dc.subject.otherHierarchical clustering
dc.subject.otherPrincipal Component Analysis
dc.titleData Mining of United States Greenhouse Gas Emission Inventory for Visualization and Analysis of Emission Trends
dc.title.alternativeData Science to understand Green House Emmissions on EUA industries
dc.typeMaster thesis
dc.subject.lemacMineria de dades
dc.subject.lemacDesenvolupament sostenible
dc.identifier.slugPRISMA-155673
dc.rights.accessOpen Access
dc.date.updated2020-08-26T18:37:16Z
dc.audience.educationlevelMàster
dc.audience.mediatorEscola Tècnica Superior d'Enginyers de Camins, Canals i Ports de Barcelona
dc.audience.degreeMÀSTER UNIVERSITARI EN CIÈNCIA I TECNOLOGIA DE LA SOSTENIBILITAT (Pla 2013)


Fitxers d'aquest items

Thumbnail

Aquest ítem apareix a les col·leccions següents

Mostra el registre d'ítem simple