Red Neuronal Artificial para la Clasificación y Predicción de la Calidad del Aire

Publicación:
Entidad Editora:
Editor Técnico:
ISSN:
Ejemplar/Número:

Cateoría:
Páginas:
Colección:
Fecha de inicio:
Periodicidad:

Programación Matemática y Software
Universidad Autónoma del Estado de Morelos
Dr.Marco Antonio Cruz Chávez
2007-3283
Volumen 11, Número 2/Junio de 2019
Periodo Junio-Septiembre 2019
Artículo de Investigación
57-66
Computación
Junio del 2019
Cuatrimestral

Sandra Patricia Bombela Jiménez, Carlos Lino Ramírez, David Asael Gutierrez Hernández, Victor Manuel Zamudio Rodríguez, Miguel Ángel Casillas Araiza

División de Estudios de Posgrado e Investigación/Tecnológico Nacional de México/I.T. León, Av. Tecnológico S/N Fracc. Industrial Julián de Obregón, León Guanajuato, México, C.P. 37290

Recibido: 6 de Agosto de 2018 Aceptado: 6 de mayo de 2019 Publicado en línea: 28 de febrero 2019

Resumen. Se entiende por contaminación atmosférica a la presencia en la atmósfera de sustancias en una cantidad que implique molestias o riesgo para la salud de las personas y de los demás seres vivos, vienen de cualquier naturaleza, así como que puedan atacar a distintos materiales, reducir la visibilidad o producir olores desagradables. Las emisiones a la atmósfera relacionadas con el cambio climático pueden agravar los efectos de la contaminación del aire sobre la salud de los ciudadanos, no solo indirectamente por el impacto en los fenómenos meteorológicos, sino, de manera inmediata, por los efectos directos de los contaminantes para la salud. En este artículo se propone la aplicación de una red neuronal con un entrenamiento supervisado de tipo Backpropagation para hacer predicciones una hora después acerca del estado de la calidad del aire, utilizando métodos de estimación para completar los registros faltantes de las bases de datos utilizadas. El estudio está basado en cuatro años obtenidos de la estación CICEG, una de las tres estaciones que se encuentran en la ciudad de León, Gto. Se consideran cinco () además del mes, el día y la hora en que se registró el contaminante. Los resultados muestran una aceptable precisión del modelo utilizado para la predicción de la calidad del aire.

Palabras Clave:Extrapolación, Red Neuronal Artificial, contaminación, predicción.

Abstract. Air pollution is the presence in the atmosphere of substances in an amount that involves discomfort or risk to the health of people and other living beings. They are being produced in different ways, and they can attack different materials, reduce visibility or produce unpleasant odors. Polluted emissions to the atmosphere (which is strongly related to climate change) can aggravate the effects on the health of population, not only indirectly (by the impact on weather phenomena), but immediately, due the direct effects of pollutants for health. In this paper we propose the application of a back propagation neural network to make predictions (one hour later) about the air quality, using estimation methods to complete the missing records of the databases used. This study is based on a four years database obtained from the CICEG atmosphere station, one of the three stations that are located in the city of León, Guanajuato Mexico. Five pollutants are considered as part of the parameters of the model ()   in addition to the month, the day and the time when the contaminant were registered. The results show an acceptable accuracy of the model used for the prediction of air quality.

Keywords: Extrapolation, Artificial Neural Network, pollution, prediction.