Resumen

La contaminación del aire ha sido ampliamente estudiada debido a la gran amenaza que representa tanto para el medio ambiente como para la salud humana. Principalmente, las grandes ciudades se han visto afectadas por el problema de la contaminación del aire debido a diversos factores, como lo son la industrialización y la sobrepoblación. Estos últimos, tienen una implicación directa en la atmósfera mediante el aumento de las emisiones de gases de efecto invernadero y smog, lo cual contribuye al agotamiento de la capa de ozono. La contaminación atmosférica trae consigo graves implicaciones en la salud humana, afectando directamente el sistema respiratorio y generando consecuencias como irritación en la garganta, empeoramiento de afecciones como asma, bronquitis y hasta daños pulmonares permanentes. Sin embargo, teniendo en cuenta la gran importancia que implica la detección de agentes contaminantes, como lo es el material particulado (PM), es posible plantear alternativas para predecir su aparición en determinada localización. En este estudio, proponemos el uso de herramientas computacionales y regresión lineal múltiple para predecir el comportamiento del material particulado PM2.5 de la localidad Kennedy, Bogotá. Esta predicción se realizó con la implementación de un algoritmo, que toma como base datos históricos de material particulado suspendido en el aire, Ozono, NO, CO, dirección y velocidad del viento durante el año 2018. Los análisis realizados fueron comparados con datos reales, con el propósito de determinar la veracidad de las predicciones hechas por el algoritmo. Los resultados revelaron el nivel del PM2.5 es consecuencia de las emisiones de CO, lo cual está relacionado con el tráfico de vehículos, ya que son los mayores productores de este gas. Además, la predicción de los valores de PM2.5 evidenció una media de error del 5.6 PM2.5, lo que significa que el modelo logra una predicción precisa de la calidad del aire. Teniendo en cuenta estos resultados, este estudio representa una alternativa prometedora para la predicción del material particulado, de tal manera que se puedan establecer rutas de acción para mitigar el daño causado por estos contaminantes en el medio ambiente.

1. INTRODUCCIÓN

La contaminación del aire es un problema ambiental creciente a lo largo de los años y tiene muchas causas, entre las que se encuentran el aumento de la población y su concentración en grandes ciudades, la industrialización sin procesos amigables con el medio ambiente, la deforestación y quema de bosques, entre otras [1, 2].

• Materias:Contaminación del aire Material particulado (PM) Modelo de predicción Regresión lineal
• Subjects:Air - Pollution Particulate matter (PM) Prediction modeling Linear regression
• Palabras claves:Contaminación del aire; Regresión lineal; Aprendizaje automático; Material particulado; Series temporales
• Keywords:Air pollution; Linear regression; Machine learning; Particulate matter; Time series