Resumen

El rápido desarrollo industrial ha provocado la aparición intermitente de pm2,5 o bruma en los países en desarrollo, lo que ha generado grandes problemas medioambientales, especialmente en grandes ciudades como Pekín y Nueva Delhi. Investigamos los factores y mecanismos del cambio de la neblina y presentamos un modelo de predicción a largo plazo de los episodios de neblina de Pekín mediante el análisis de series temporales. Construimos un modelo dinámico de medición estructural del incremento diario de la bruma y reducimos el modelo a un modelo vectorial autorregresivo. Los estudios de casos típicos sobre 886 días continuos indican que nuestro modelo funciona muy bien en la predicción del Índice de Calidad del Aire (ICA) del día siguiente, y en los casos de contaminación grave (ICA ≥ 300) la tasa de precisión de la predicción del ICA llega incluso al 87,8%. El experimento de predicción de una semana muestra que nuestro modelo tiene una excelente sensibilidad cuando se produce un estallido o una disipación repentina de la niebla, lo que se traduce en una buena estabilidad a largo plazo en la precisión de la predicción del ICA de los siguientes 3-7 días.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:predicción del aqi, rápido desarrollo industrial, análisis de series temporales, estallido repentino de la neblina, modelo de medición estructural, índice de aqi, modelo de Pekín, índice de calidad del aire, grandes problemas medioambientales, estudio de caso típico
• Keywords:aqi prediction, rapid industrial development, time series analysis, sudden haze burst, structural measurement model, rate of aqi, model of beijing, air quality index, great environmental issues, typical case study