Resumen

El ozono es uno de los contaminantes con más efectos negativos en la salud humana y en general en la biosfera. Muchas redes de adquisición de datos recopilan información sobre los valores de ozono tanto en áreas urbanas como en áreas rurales. Por lo general, estos datos son incompletos o corruptos y la imputación de los valores faltantes es una prioridad para obtener conjuntos de datos completos, resolviendo la incertidumbre y vaguedad de los problemas existentes para gestionar la complejidad. En el presente documento, se aplican técnicas de regresión múltiple y modelos de Redes Neuronales Artificiales para aproximar los valores de ozono ausentes a partir de cinco variables explicativas que contienen información sobre la calidad del aire. Para comparar los diferentes métodos de imputación, se recopilan datos de la vida real de seis estaciones de adquisición de datos de la región de Castilla y León (España) de diferentes maneras y luego se analizan. Se comparan los resultados obtenidos en la estimación de los valores faltantes mediante la aplicación de

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Contaminantes; Ozono; Redes de adquisición de datos; Imputación; Valores faltantes; Modelos de Redes Neuronales Artificiales
• Keywords:Pollutants; Ozone; Data-acquisition networks; Imputation; Missing values; Artificial Neural Network models