Pronóstico de las concentraciones de material particulado en el aire (pm10) utilizando redes neuronales artificiales: caso estudio en el distrito de Ate, Lima

• Autores: Rojas Quincho, Jhojan Pool, Medina Dionicio, Elvis Anthony
• Formato: artículo
• Fecha de Publicación: 2022
• Institución: Servicio Nacional de Meteorología e Hidrología del Perú
• Repositorio: SENAMHI-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.senamhi.gob.pe:20.500.12542/3553
• Enlace del recurso: https://hdl.handle.net/20.500.12542/3553; http://dx.doi.org/10.37761/rsqp.v88i3.402
• Nivel de acceso: acceso abierto
• Materia: Air Quality Modeling; Contaminación Atmosférica; Calidad del Aire; Artificial Neural Networks; https://purl.org/pe-repo/ocde/ford#1.05.08; contaminacion del aire - Aire y Atmósfera

La presente investigación tuvo como objetivo evaluar el desempeño del modelo de Redes Neuronales Artificiales (RNA) para pronosticar las concentraciones de PM10 en el aire, para lo cual se hizo un caso estudio para el distrito de Ate, Lima. Para ello se desarrolló distintas arquitecturas de RNA usando como datos de entrada a los registros de contaminantes del aire y variables meteorológicas obtenidas de la Estación de Monitoreo de la Calidad del Aire “ATE” y datos simulados del modelo WRF-CHEM. Las diferentes arquitecturas de RNA pasaron por un proceso de entrenamiento y verificación, y su desempeño se evaluó mediante el Error Cuadrático Medio (ECM), la precisión (BIAS) y el coeficiente de determinación (R2). Se determinó que la arquitectura que tiene un mejor desempeño tuvo 19 neuronas en la capa oculta, con valores de 0,0230 para el ECM, 0,5308 para la BIAS y 0,823 para el R2, asimismo, esta puede brindar pronósticos hasta con 6 horas de antelación. Este estudio puede contribuir a la implementación de Sistemas de Alertas Tempranas (SAT) sobre posibles incrementos en el aire de las concentraciones de PM10.