Resumen

Se diseñó una red neuronal artificial (RNA) para hacer predicciones de valores de concentraciones horarias de material particulado fino en la atmósfera. El estudio está basado en los datos de tres años de series de tiempo de pm2.5 (material particulado suspendido de 2,5 micrones de diámetro), obtenidos en una estación céntrica de la Red MACAM de la ciudad de Santiago de Chile, entre los años 1994 y 1996. Para obtener el espaciamiento óptimo de los datos, así como el número de datos hacia atrás necesarios para pronosticar el valor futuro, se aplicaron dos test estándar usados en estudio de sistemas dinámicos, como Información Mutua promedio (AMI) y Falsos Vecinos más Cercanos (FNN). De esta manera se encontró que lo más conveniente era considerar como entrada los datos de PM2.5 cada seis horas durante un día (cuatro datos), y en base a ellos predecir el dato siguiente. Una vez fijo el número de variables de entrada y elegida la variable a pronosticar, se diseñó un modelo predictivo basado en la técnica de RNA. El tipo de modelo de RNA usado fue uno de multicapas, alimentado hacia adelante y entrenado mediante la técnica de propagación hacia atrás. Se probaron redes sin capa oculta y con una y dos capas ocultas. El mejor modelo resultó ser con una capa oculta, a diferencia de lo obtenido en trabajo anterior que reportaba que la red sin capa oculta era más eficiente. Los resultados fueron más precisos que los obtenidos con un modelo de persistencia (el valor en seis horas más será el mismo que el actual).

INTRODUCCIÓN

Un problema recurrente en Santiago de Chile (durante el invierno) es la alta concentración de material particulado en la atmósfera. Se han efectuado estudios que han determinado la influencia que la contaminación atmosférica tiene sobre el deterioro de la salud humana [1, 2]. Por ejemplo, la agudización de enfermedades respiratorias, cardiovasculares, dermatológicas, cáncer, entre otras. Además de daños a los animales y vegetales, en cuanto a la reducción de su desarrollo y productividad. Por ello, en el último tiempo Santiago ha sido catalogada como una de las ciudades de mayor contaminación en el mundo. Por otro lado, la causa principal de esta contaminación ambiental sería la alta tasa de emisión de origen antropogénico (orgánicos e inorgánicos).

Se sabe que es la situación geográfica (topográfica) la que impide que en Santiago haya una dispersión tanto horizontal como vertical de los contaminantes. Además, coadyuvan a ello la densidad de la población, el sistema de transporte público (aunque recientemente se está implementando un nuevo sistema, conocido con el nombre de TranSantiago, el cual debiera de mejorar esta situación), así como la situación meteorológica, entre otros factores. 

• Materias:Red neuronal artificial Atmósfera - medición Sistema de predicción
• Subjects:Artificial Neural Network Atmosphere - measurement Prediction System
• Palabras claves:Contaminación ambiental, series temporales, redes neuronales artificiales, pronóstico, material particulado pm2.5, dinámica no lineal.
• Keywords:Air pollution, times series, artificial neural networks, forecasting, pm2.5, nonlinear dynamics.